{ "updated": "2026-10-23", "categories": [ { "id": "open-llm", "title": "开放权重语言模型（含多模态）", "short": "开放权重 LLM", "color": "var(--moss)", "note": "权重能下载的模型。许可证写在每行的“可得性”里：Apache-2.0 和 MIT 是常见的宽许可，OpenMDW 和各家自己的模型许可各有条件，别当成同一类。" }, { "id": "closed-llm", "title": "闭源 / 仅 API 的语言模型", "short": "闭源 LLM", "color": "var(--ink)", "note": "只能通过 API 或订阅用的模型。官方说要开放、但权重还没放出的也放在这里，权重放出后改成“开放权重”并挪到上一类。" }, { "id": "speech", "title": "语音：转写与合成", "short": "语音", "color": "var(--gold)", "note": "" }, { "id": "retrieval", "title": "嵌入、重排与文档解析", "short": "检索与解析", "color": "var(--steel)", "note": "" }, { "id": "video-world", "title": "图像、视频与世界模型", "short": "图像 · 视频 · 世界", "color": "var(--signal)", "note": "" }, { "id": "science", "title": "科学、生物与结构化数据", "short": "科学与数据", "color": "var(--moss-deep)", "note": "这一组的基准几乎都是各家自跑的，生物类还多数只有计算验证。" }, { "id": "accel", "title": "推理加速：草稿模型（不是独立模型）", "short": "推理加速", "color": "var(--ink-faint)", "note": "草稿模型要配一个目标模型用，单独跑没有意义。" }, { "id": "decision", "title": "决策模型（这几周新出现的一类）", "short": "决策模型（这几周新出现的一类）", "color": "var(--ink-faint)", "note": "" } ], "episodes": { "108": { "from": "2026-10-16", "to": "2026-10-23", "date": "2026-10-23", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "发布日以官方公告或模型卡为准，不是 HF 仓库的创建日——仓库往往先建后发，同一个模型的仓库日期可以比公告早一两个月。要点后括号里标了信息来自“厂商自述”“模型卡”还是“独立”：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自 HF 卡本身，独立指第三方榜单或媒体实测。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。核过、不是窗口内新发布的：Meta Muse Glimmer 30B（8-10 放权重）、Qwen3.8-Flash-Next（8-26 发布，10-22 出现的是社区量化）、阶跃 Step 5 Preview（9-20 放权重，仅作背景；Artificial Analysis 开放权重榜第 4）、Odyssey-3（10-08 研究预览）、Nemotron Parse 2.0（6 月）、Kumo Forecast（4 月）、Speechmatics Linden 1（9-17）、Seedance 2.5（7-31）、Shieldstral 与 Leanstral（7 月）；只是旧模型的修订版：Granite Speech 5.0 的 470M Turbo CTC 与 4.1 2B Plus；不是权重：IBM Granite Timeseries Ensemble R1（一份配方，没有合并权重）。没核到日期或发布稿，暂不列：Bria Fibo 2.0、IBM Granite Switch 4.1（博客写 10-15，模型卡没打开）；也核过但不列：千问的 AI 眼镜 N1 / N1 Pro 和 AI 耳夹式耳机（10-13 发布，在窗口前，且是消费硬件）、火山引擎 Seedance 2.5 4K（10-22 只是向 20 家工作室和导演的定向试用，没有公开价格和可得性，只有媒体报道）、Marathon Fusion 的“汞变金”（公司自述，没有公开数据，也不是模型。", "cat_notes": { "open-llm": "权重能下载的模型。许可证写在每行的“可得性”里：Apache-2.0 和 MIT 是常见的宽许可，Muse Model License、OpenMDW 和 NVIDIA 自家的许可各有条件，别当成同一类。", "closed-llm": "只能通过 API 或订阅用的模型。Mistral Large 4 官方说是开放权重模型，但权重还没放出，所以也放在这里。", "decision": "只回答答案有限的问题（选一个、判是非、打分），返回概率，省 token、延迟低。上期说“美国公司的决策模型基座全是 Qwen”，OpenAI 这周入场用的是自家的 GPT-6 Luna，是个反例；中国一侧这周有两个入场者。", "science": "这一组的基准几乎都是各家自跑的，生物类还多数只有计算验证。", "accel": "草稿模型要配一个目标模型用，单独跑没有意义。" } }, "101": { "from": "2026-08-28", "to": "2026-09-04", "date": "2026-09-04", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期是补录（2026-10-23 核对）：模型清单按本期页面当时写到的内容定，规格、价格、许可和可得性是 10-23 读取的一手页，可能与当期不同（例如权重后来才放出的）。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了信息来自“厂商自述”“模型卡”还是“独立”：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自 HF 卡或官方文档本身，独立指第三方榜单或媒体实测。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。核过、不是模型发布：Mostik（俄罗斯创业公司让大小模型直接用隐藏状态“对话”，Wired 报道说还没放出技术细节或可复现基准）；Firecrawl 的 OCR It（量子位 08-29 报道，是 Chrome / Firefox 浏览器插件，内置 Tesseract，不是新模型）；Perplexity 的 Lily（苹果芯片上的端侧推理引擎）；NVIDIA TensorRT Model Connect、Reef（部署与服务工具）；OpenMythos（社区按传闻做的重建项目，作者自称与 Anthropic 无关）；Hacker-Opus（Anthropic 研究里专门训练的实验检查点，没有发布）；StudentSim（论文）。窗口之前且本页只是引用或对比：MiniMax H3（07-28 放权重，只是 fal H3 Max 的基座）、GLM-5.2、Qwen3.6-35B-A3B（Lily 的测试对象）、Claude Mythos 5 / Opus 5 / GPT-5.6 Sol 等（基准对照）。循环 Transformer 专题里作为架构案例引用的三个模型：字节 Ouro-1.4B / 2.6B（2025-10）、IQuest-Coder-V1-40B-Loop（HF 仓库 2025-12 建、2026-03 更新）、南北阁 Nanbeige4.2-3B（07-21，Apache-2.0）。它们都远早于窗口，页面也不是把它们当本周发布来写，所以没单列；如要补，Nanbeige4.2-3B 的 HF 为 Apache-2.0、约 41.7 亿参数。日期口径有出入的已在要点或可得性里写明：GLM-5.3（NIST 写 08-14 发布、Z.ai 文档写 08-18、权重 08-28）、GPT-6 Astra（本刊写 09-03，维基百科与 CSO Online 写 09-04）、fal H3 Max 与 Gemini Omni 1.1 Flash（官方页都是 08-27，本刊页面分别写 08-28、08-30）。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "science": "这一类里只有 TimesFM-3：时间序列预测基础模型，权重可下，但许可是非商业。" } }, "102": { "from": "2026-09-04", "to": "2026-09-11", "date": "2026-09-11", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期是补录（2026-10-23 核对）：模型清单按本期页面当时写到的内容定，规格、价格、许可和可得性是 10-23 读取的一手页，可能与当期不同（例如权重后来才放出的）。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了信息来自“厂商自述”“模型卡”还是“独立”：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自 HF 卡或官方文档本身，独立指第三方榜单或媒体实测。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。产品或应用，页面和官方页都没写底层是哪个新模型：Meta 的个人智能体 Muse（EP.102 快讯、EP.104 故事线 B）；苹果 iPhone Duo 折叠屏与秋季发布会上的 AI 功能；OpenAI 的 Navier-Stokes 证明用的是已有模型；开源工具 OpenMAIC、VoiceStudio、archify、gods-eye-view、Cua Driver SDK 等。论文或方法，没有权重：星尘智能 SmoothRL、RoboTTT、Spatial-TTT、RoboTracer、SwarmWorld、QiMeng-NeuComBack、LEGO-Compiler、果蝇连接组相关的几个研究（Oruk Labs、BPU、FlyGM 等）。同周 DeepSeek 新建的 DeepSelect、DeepJIT、deepseek-recipe 是 kernel 与工具，不是模型，已写进 DeepSeek-V4.1-Flash 一行的要点里。只作对比出现：Claude Fable 5.1（09-01，EP.101 已列）、Gemini 3.1 Pro Preview、Gemini 3.7 Flash、GPT-5.6 Sol、Opus 5，以及 Bottleneck Labs 实验里的 Qwen 3.8、Grok 4.5、Muse 1.2 Spark。日期口径：GPT-6 Astra 本刊写 09-03，CSO Online 与维基百科写 09-04，已在可得性里写明。本期只核了页面里提到的模型；窗口内页面没提到的其他开放权重发布，本刊没有另行扫描。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "speech": "这一类的 Suno v6 是音乐生成模型，暂放在这里；建议以后单列“音乐 / 音频生成”一类。" } }, "103": { "from": "2026-09-11", "to": "2026-09-18", "date": "2026-09-18", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期当时没有做这个栏目，这是按已发布的页面回填的。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了信息来自“模型卡”“厂商自述”还是“独立”：厂商自述的基准本刊没有重跑。决策模型（Jev）和机器人策略模型（OM-1、Liber-0）暂时放在最接近的类里，建议台账另开“决策模型”和“机器人”两类。", "excluded": "核过、不是本期窗口内发布且本页没有讲发布的：GPT-6 Astra（09-03 发布，属 EP.101 窗口；本页只把它当榜单和能力对象）、Claude Fable 5.1、Mythos 5.1（09-01）、Opus 5、GPT-5.6 Sol（都只在对比或访问权限的叙述里出现）；GLM-5.3 与 GLM-5.3-Flash（HF 仓库 08-25 创建，本页讲的是 Z.ai 用 Infra Agent 部署它的案例，不是发布）；MiMo-V2.6（09-17 时仍在强化学习中间阶段，权重 09-21 才放出，属 EP.104 窗口）；Anthropic 未公开的内部 Claude 变体（秩 31 椭圆曲线）。不是模型：Agility Digit 5（机器人硬件）、蚂蚁 SingProbe（运行时护栏探针）、Skild / Maven（软件订阅与部署服务）、NVIDIA 开发博客里的 Nemotron 3.5 Dense 对 MoE 文章（本页的 HOWTO 条目，不是发布稿）。只是榜单对手、页面没讲它们的发布：RoboDojo 榜上的 DM0.5（08-24）、GalaxeaVLA G0.5、Xiaomi-Robotics-1、OpenWAM-α、Meituan-Robotics-0、DeepSeek-Flash。页面一笔带过、没给发布日和一手链接，没有核：Thinking Machines 的 TML-Interaction-Small（只在指向站内深潜的括号里出现）。Gemini 3.8 Audio 的模型卡还列了 Flash TTS 与 Flash-Lite TTS，页面没有讲，上线日没核到，未单列。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "closed-llm": "Jev 是不生成文字的决策模型，暂放在这里；建议台账另设“决策模型”一类。", "video-world": "OM-1 和 Liber-0 是机器人策略模型，暂放在这一类；建议台账另设“机器人”一类。", "science": "这一组的基准几乎都是各家自跑的，生物类还多数只有计算验证。" } }, "104": { "from": "2026-09-18", "to": "2026-09-25", "date": "2026-09-25", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期是补录（2026-10-23 核对）：模型清单按本期页面当时写到的内容定，规格、价格、许可和可得性是 10-23 读取的一手页，可能与当期不同（例如权重后来才放出的）。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了信息来自“厂商自述”“模型卡”还是“独立”：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自 HF 卡或官方文档本身，独立指第三方榜单或媒体实测。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。窗口之后才发布，只出现在本页发布后补写的“10-08 补充”里：Fastino 的 GLiDE（09-30）、Gemini 4 Argon（09-30）、Mistral Large 4（10-06，台账里已有 mistral-large-4）、地平线 CogWAM（GitHub 09-27、权重 10-01）、Databricks ai_decide、MiMo-V2.6 的 MOPD 检查点（09-27）；OpenAI 的 GPT-6 Cyber 只是据 Fortune 报道在预览，官方页没有。更新版而非新模型：Qwen3.8-Max（阿里 09-22 云栖大会称“更新版”的 Artificial Analysis 分数从 40 升到 45，是自报；原版更早发布，本页只引这条自报，没有新的发布稿）。不是新模型：SemIf（原 OpenJev，用冻结的 Qwen3.5-4B 直接读 logits 的方法和浏览器实现，Tunguz 把它与 Jev 对照）；Asymptote Labs 的 Beacon、Jevable 目录、Simon Willison 的 llm-typesafe 插件；Meta Muse 智能体与 Muse Charm 硬件；阿里真武 V900、高通 2nm 芯片、宇树 Dex5-S；Intrinsic Core、Isaac ROS 5.0、InstinctFlash 等软件栈。研究预印本或没给名字：Stanford 的 Minerva 基因组语言模型（bioRxiv，没放权重）、PhAI Labs 为 ScienceIDE 发的“三个配套模型”（页面没给名字，也没在其项目页找到）；Anthropic 的酶系统发现用的是已有的 Claude Mythos 5。窗口之前、只作背景或对比：GLM-5.3 与 GLM-5.3-Flash（EP.101 已列，本期只引开源榜名次与 NIST 评估）、Kimi K3、Nemotron 3 Ultra、Thinking Machines Inkling（只在 Artificial Analysis 榜单里出现）、NVIDIA Cosmos 3（05-31，Nano 16B / Super 64B）、LeWorldModel（03-13，论文）、Claude Fable 5.1、Mythos 5、Opus 4.8、GPT-6 Astra（对比或回退项）。日期口径：Step 5 Preview 本页写 Artificial Analysis 登记 09-18 发布、10-15 开放权重，HF 仓库 09-20 就有上传，EP.108 的 excluded 写“9-20 放权重”，已在可得性里写明三个说法。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "open-llm": "CUA-S1-FORMS 是只有 70 万参数的“判定模型”，放在这里是因为分类表里没有对应类；EP.108 已另设“决策模型”一类，建议把它和 Jev 一起挪过去。", "closed-llm": "Jev 是不生成文字的“判定模型”，暂放此类；建议与 EP.108 的“决策模型”类合并。", "video-world": "这一组里 FLUX 3 Action 和 Helix 2.5 是机器人动作模型（世界-动作 / 视觉-语言-动作），暂放最接近的一类；建议以后单列“机器人 / 具身”一类。" } }, "105": { "from": "2026-09-25", "to": "2026-10-02", "date": "2026-10-02", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期当时没有做这个栏目，这是按已发布的页面回填的（页面里 10-08 的“冻结之后”补充也算进来了）。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了信息来自“模型卡”“厂商自述”还是“独立”：厂商自述的基准本刊没有重跑。决策模型（Decisions API、Intern-Decision、NeoHorse-Jev-4B、百炼决策模型）和机器人世界-动作模型（Praxis-1、Ego4WAM、InternW0-Δ）暂放在最接近的类里，建议台账另开“决策模型”和“机器人”两类。页面把 09-24 的条目记成“背景”，这里按台账口径（窗口前一、两天算边界日）写成“边界日”。", "excluded": "被取消、没有发布：GPT-6.1 Astra（原定 10 月，09-28 OpenAI 确认不发，页面故事线 A 的主角）。不单列：GPT-6.1 Sol Ultrafast 与 Astra Ultrafast 是同一模型的加速档，写进 Sol 的可得性里。核过、不是本期窗口内发布且页面没讲发布：Qwen-Audio-3.1-TTS（页面只讲它在 Artificial Analysis 克隆声榜的位置；第三方列表称 07-27 前后已发，一手页本刊没核到）、GLM-5.3 与 GLM-5.3-Flash（HF 仓库 08-25 创建，本期只是被 Anthropic 红队和 CAISI 评测的对象）、Qwen3.8-Max / Qwen3.8 2.4T A95B / Qwen3.8-Flash-Next（只在榜单和自动研究叙述里出现；Flash-Next 是 08-26 的旧模型）、Claude Haiku 5.5（官方说几周内到，未发）。页面没讲、只在 Intern-Decision 与 NeoHorse 的对比表里出现，发布日没核：Open-Jev-9B、Kev-4B、Laya、SemIf-OpenJev、JevK5。属于 EP.106 窗口：Perplexity decider、Cloudflare Clef、AWS Strands Decider、llama.cpp 的 Julia-1 与 Laya（页面 10-08 补充里提到，发布在 10-03 之后）。不是模型：OpenAI Dots、Manus 2.0（Cue）、Meta Muse for Small Business（产品）；DeepSeek 的 DeepGEMM-Ascend / DeepEP-Ascend（昇腾算子库）；Colibrì（SSD 换内存的推理项目）；Pine Computer（Agent 产品）。没有可核的发布：Simate-beta（公司自报榜单条目）、斯坦福/加州理工 HomeBody（只有项目页，代码写 coming soon）。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "open-llm": "Intern-Decision 与 NeoHorse-Jev-4B 是不生成文字的决策模型，暂放在这里；建议台账另设“决策模型”一类。", "closed-llm": "Decisions API、百炼 decision-model-preview、Jev 是不生成文字的决策接口，暂放在这里；建议台账另设“决策模型”一类。decisions-api 与 gemini-4-argon 台账里已有（日期分别是 EP.108 的 10-22 与 10-13），本期取的是它们在本期窗口内的节点，合并时请保留台账原日期。", "video-world": "Praxis-1、Ego4WAM、InternW0-Δ 是机器人世界-动作模型，暂放在这一类；建议台账另设“机器人”一类。" } }, "106": { "from": "2026-10-02", "to": "2026-10-09", "date": "2026-10-09", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线、专题和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期是 2026-10-23 的补录：页面写于 10-08 会前，窗口末日 10-09 的发布（Microsoft-Decision-1、Clef-omni）页面没有收，这里按日期补进来。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日。要点后括号里标了来源类型：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自官方卡或官方文档本身，独立指第三方榜单或媒体实测。可得性、价格按 10-23 前后读到的官方页写，权重后来放出的（如 Beam）已按放出后的状态记。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。【对比或引用里出现、发布日在窗口之前、本期页面没有它的发布信息】Claude Opus 5.5（09-22）、GPT-6 Astra / GPT-6 Sol / GPT-6 Luna 的 9 月版（09-22 或更早；10-07 聊天版更新已列）、Claude Fable 5.1（09-02）、小米 MiMo-V2.6-Pro / Flash（09-22 起）、智谱 GLM-5.3 / GLM-5.3-Flash（8 月）、Kimi K3、DeepSeek V4.1 Flash、Qwen3.8 系列、Gemini 3.8 Flash、Muse Spark 1.3、Thinking Machines Inkling、Nemotron 3 Ultra。【窗口前发布、本期页面没讲，不列】Gemini 3.8 Live with Live Avatar（Google 博客 09-24）、Inception Mercury Decide（OpenRouter 标注 09-30 发布）、Aikido Altar-1（开放权重安全模型，由 GLM-5.3 剪枝而来，据二手稿 09-21 发布，本刊没回到一手页）、阶跃 Step 5 Preview 的 API 预览（09-20，权重 10-15 才放，归 EP.107）。【不是新模型】OpenAI Decisions API（10-06 公测，只是 API，目前只支持 gpt-6-luna）；GPT-6.1 Sol Ultrafast（Sol 的速度档，不是独立模型，本期页面写的是“即将”，没有价格）；Intelligent UI（GPT-6 聊天版里的界面能力，已并入 GPT-6 10 月更新一行）；Dots、Muse、Manus Cue、Microsoft MXC、Scale AgentEnv、DeepSeek Harness、PhotoCraft、Monid 都是产品或软件，不是模型。【页面只当运行清单提到】Surface Laptop Ultra 的本地模型 MAI Code 1.1 Flash（137B 总 / 6.8B 激活）和 DeepSeek V4 Flash（284B），页面没有发布信息，未核发布日；Jev 和 ggml-org 的 Kev-4B GGUF 在 HOWTO 里被提到，是已有产品，不是本期发布。【窗口内但只见标题或第三方稿，没核到一手发布稿，暂不列】Hirundo 的“西方化 Qwen”（10-05，第三方微调，见 VentureBeat 标题）、清华 TSAIL 与生数科技的 Motus（10-07，公众号稿，机器人模型）、vLLM Semantic Router 团队的 Decision 2.0（10-03，只见 X 帖，发布方和权重没核）。【社区或厂商衍生】NVIDIA 在 HF 上的 Cosmos-H-Surgical-Simulator、corrdiff-cosmo-era5、music-flamingo-hf 等仓库建于今年早些时候，不是新发布。【日期口径说明】Gemini 4 Argon 与 Reflection Beam 各有两步（官宣与全面开放 / 放权重），台账里它们的发布日按后一步（10-13、10-16）记，这里的条目写的是本期页面讲的那一步（09-30、10-05），要点里已写明两步的日期。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "open-llm": "本期有一批“决策模型”（Clef、Strands Decider、pplx-decider、H2O-Lightning、Liquid d1）：不生成文字，一次前向给出带概率的选项答案，暂放在这一类。许可证写在每行里：Apache-2.0 是常见的宽许可，LFM Open License 对年收入 1000 万美元及以上的主体有限制，别当成同一类。", "closed-llm": "只能通过 API 或订阅用的模型。官方说要开放、但权重还没放出的也放在这里（如 Mistral Large 4）。" } }, "107": { "from": "2026-10-09", "to": "2026-10-16", "date": "2026-10-16", "meta": "窗口内发布或开放的主要新模型，按类型分组；每个模型列开发者、发布日、规模、可得性和许可、要点与一手链接。带“边界日”或“背景”标记的，是本期的故事线、专题和快讯里讲到、但发布日在窗口之前的模型。", "intro": "本期是 2026-10-23 的补录。发布日以官方公告或模型卡为准，不是 HF 仓库的创建日——Step 5 Preview 的仓库 09-20 就建了，权重 10-15 才公开。要点后括号里标了来源类型：厂商自述的基准本刊没有重跑，模型卡指规格和许可类事实来自官方卡或官方文档本身，独立指第三方榜单或媒体实测。本期页面没讲、但已在台账里的窗口内模型，原样并入。可得性、价格按 10-23 前后读到的官方页写，权重后来放出的（如 Beam）已按放出后的状态记。各类按窗口内的在前、边界日和背景的在后排。", "excluded": "没有列入的，以及原因。【台账已有、发布日在本期窗口内，但本期页面没讲，原样并入、不重核】Muse Spark Open（10-15）、Nemotron 3.5 Bolt（10-15）、Nemotron Labs Dory 1.0 4B（10-16）、FLUX.3 Image Klein（10-15）、Kling 4.0（10-16）、MOSS-Image（10-16）、Flora（10-15）、Timestral（10-15）、Muse-Spark-Open-DFlash2（10-16）。【窗口前发布，被页面当背景或对比用，不列】Gemini 3.8 Live with Live Avatar（Google 博客页面标 09-24）、Aikido Altar-1（据二手稿 09-21）、Inception Mercury Decide（OpenRouter 标 09-30）、Claude Haiku 5.5（10-07，页面没讲它的发布，已列入 EP.106）、Opus 5.5、GPT-6 Astra、Fable 5.1、Mythos 5.1、Kimi K3、GLM-5.3、Qwen3.8、Gemma 4、Jev 1.13（TypeSafe，决策模型品类的起点，本期只写了它的融资，不是新发布）、Kev-4B、Boltz / Chai 的 BoltzMol-1、BoltzProt-1、Chai-2、Chai-3、IsoDDE 等生物模型（专题 03 引用的都是 6 月到 8 月的旧发布，Chai × GSK 10-09 是合作公告、没写新模型版本）。【页面只把它们当基座或对比、没有可核的发布日，不列】Torchcast Decision、Quyet-1.0-Large 等 JevBench 榜上的第三方决策模型；H2O-Lightning-4B 例外，已按 10-07 博文列为背景。【窗口内但只见标题，没核到一手发布稿，暂不列】蚂蚁 560B 开源大模型（只见 36氪 10-16 的标题）、“iPhone 离线跑 35B 多模态”的国产开源模型（量子位 10-13 标题）、美国 Sora 新版本（钛媒体 10-16 标题）、智谱 GLM-5.3 高速版（36氪 10-11 标题，看起来是已有模型的部署变体）、地平线 HoloBrain v0.5（HF 仓库建于 10-09，机器人模型，未核）；Qwen4 双模型同时放权重只是 X 上的传闻。【社区或厂商量化衍生】mlc-ai 的 Gemma 4 E2B MLC 打包、NVIDIA 的 GLM-5.3-Flash-FP4-Local、Qwen3.8-Flash-Next-FP4-Local、Qwen-Image-NVFP4 等，只是旧模型的量化版。【不是新模型】OpenAI Decisions API（beta，仍只支持 gpt-6-luna）、REA、Eleven、Hypit、Handwired、Agent-Native、Anatomy、LASRecomp、plx-native 等软件；TheoPhysEval、SqueezeBench、ProgramGym、FineEnvs 是基准或环境；ReplaySSM、Harness²、RSI-Anything、Hybrid Reasoning Agents 是论文方法；Maia 300、Intel GPU D 系列、d-Matrix 是芯片；OpenCode 的隐身模型 Cat Jam 只有名字、没有模型信息；陶哲轩讲义里说的“很快放出的开源数学模型”还没发。【日期口径说明】Gemini 4 Argon 的 10-13 是全面开放日（09-30 是先给受信任防御者），台账按 10-13 记；Beam 的 10-16 是放权重日（10-05 是官宣日）；阶跃 Step 5 Preview 的 09-20 是 API 发布和建仓日，权重 10-15 才公开。 本期是补录（2026-10-23）：只收本期页面里提到的模型发布，窗口内页面没提到的不在此列。", "cat_notes": { "open-llm": "本期的“决策模型”（Clef 系列、Strands Decider、pplx-decider、H2O-Lightning）不生成文字，一次前向给出带概率的选项答案，暂放在这一类；EP.107 故事线 C 讲的就是它们的基座都是阿里的 Qwen。许可证写在每行里：Apache-2.0 是常见的宽许可，StepFun Model License、Muse Model License、OpenMDW 各有条件，别当成同一类。", "closed-llm": "只能通过 API 或订阅用的模型。官方说要开放、但权重还没放出的也放在这里（如 Mistral Large 4）；Ultramarine 的权重“即将放出”也先放在这里。" } } }, "models": [ { "id": "flint", "name": "Flint", "developer": "Recursive（CEO Richard Socher）", "size": "39.8B 总 / 约 2.5B 激活的 MoE（49 层，256 个路由专家激活 6 个，另有 1 个共享专家）", "avail": "开放权重，不设门槛；HF 上的 RecursiveSI/flint（BF16 约 80 GB）及 int4 / NVFP4 / GGUF 版；另有托管 API 和 Apple 芯片本地引擎 rec", "license": "Apache-2.0", "facts": [ "编程 agent 模型，文本进文本出，带推理和多轮工具调用（模型卡）", "Recursive 称小团队不到四个月从零训成，自研的“Eureka Machine”自动研究系统参与了几乎每个环节（厂商自述）", "自报：Terminal-Bench 2.1 54.9%、SWE-bench Verified 74.2%、SWE-bench Pro v2 89.7%；模型卡注明 Terminal-Bench 把靠联网检索得到的解算作失败，别家分数未必做同样处理（厂商自述）", "Wired 记者在 48GB 的 Mac 上试用后给了正面评价，是单人上手，不是基准（独立）", "上下文：博客写最长 512k，HF 卡写文档化配置是 262,144" ], "links": [ { "t": "Recursive 官方博客", "u": "https://recursive.com/updates/introducing-recursive-flint", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/RecursiveSI/flint", "k": "official" }, { "t": "TechCrunch", "u": "https://techcrunch.com/2026/10/21/recursive-launches-flint-a-laptop-coding-model-it-says-was-largely-built-by-ai/", "k": "media" }, { "t": "Wired", "u": "https://www.wired.com/story/recursive-self-improvement-flint-latest-model-scary-good", "k": "media" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/recursive-superintelligence", "date": "2026-10-21", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "ds-flash-1017", "name": "DeepSeek V4.1 Flash 1017", "developer": "DeepSeek", "size": "主干 552B + 196B 的 Engram 条件记忆；预填充激活 8B、解码激活 16B；1M 上下文（数字取自基础版 V4.1-Flash 的模型卡，1017 版的卡没有重述，配置一致）", "avail": "开放权重，不设门槛（FP8，专家为 FP4）；同时上了 DeepSeek 网页、App 和 API（模型名 deepseek-flash，价格不变）", "license": "MIT", "facts": [ "对 V4.1-Flash 的小更新：官方称推理、编码、agent 和视觉基准都有提升，任务耗时和输出更短（模型卡）", "自报（对比 V4.1-Flash）：HLE 无工具 42.6 对 36.8，Terminal-Bench 4.0 42.3 对 31.2，DeepSWE v1.1 77.0 对 74.2（厂商自述）", "官方更新日志写明针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了优化", "Artificial Analysis 开放权重榜第 2（45.10，10-19 读取）（独立）" ], "links": [ { "t": "官方新闻页", "u": "https://api-docs.deepseek.com/news/news261017", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017", "k": "official" }, { "t": "API 更新日志", "u": "https://api-docs.deepseek.com/updates", "k": "official" } ], "date": "2026-10-17", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "beam", "name": "Beam 1.0", "developer": "Reflection AI", "size": "501.3B 总 / 23.4B 激活，100 万 token 上下文，仅文本", "avail": "开放权重，不设门槛；HF 上的 reflection/Beam-1.0-501B-A23B。模型卡写明不禁止蒸馏，也不禁止用输出训练别的模型", "license": "Apache-2.0", "facts": [ "自报：Terminal Bench v2.1 80.1%、SWE Bench Pro v1 66.1%、GPQA Diamond 90.6%（厂商自述）", "技术报告标着“coming”，目前放出的是一份 Safety Technical Report（模型卡）", "Artificial Analysis 开放权重榜第 10（30.33，10-19 读取）（独立）" ], "links": [ { "t": "官方博客", "u": "https://reflection.ai/blog/beam-is-available", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/reflection/Beam-1.0-501B-A23B", "k": "official" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/reflection-ai", "date": "2026-10-16", "category": "open-llm", "access": "open", "eps": [ 106, 108 ], "ep_tags": { "108": "边界日 · 10-16", "106": "先行 · 10-05" } }, { "id": "muse-spark-open", "name": "Muse Spark Open", "developer": "Meta", "size": "816B 总 / 42B 激活，1M 上下文；输入含文本、图像、视频、音频（输入模态据 The Decoder）", "avail": "开放权重，但要在 HF 填表、人工审批才能下（gated: manual）；须标注 “Built with Muse Spark Open”；以 API 形式对外卖且收入超 2000 万美元的服务商要另签协议", "license": "Muse Model License（非 OSI）", "facts": [ "Meta 自称“迄今最强的美国开放权重模型”，依据是自家的评分图；Meta 自己的表里 Terminal-Bench 2.1 是 76.4，低于 Beam 的 80.1（厂商自述）", "Artificial Analysis 开放权重榜第 7（38.87，10-19 读取），美国模型里最高（独立）" ], "links": [ { "t": "Meta 研究博客", "u": "https://research.meta.ai/blog/muse-spark-open", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B", "k": "official" } ], "date": "2026-10-15", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "nemotron-super-vl", "name": "Nemotron 3.5 Super VL", "developer": "NVIDIA", "size": "120B 总 / 12B 激活（模型卡）；HF 张量合计 124.45B，含视觉编码器。Mamba-2 + MoE + 注意力混合，C-RADIO 视觉编码器，上下文最长 1M", "avail": "开放权重，不设门槛；BF16、NVFP4、Base 三个仓库", "license": "OpenMDW-1.1", "facts": [ "文本、图像、视频输入，文本输出；由 Nemotron 3 Ultra 蒸馏而来（NVIDIA 自述）", "自报：CharXiv 推理 80.8%（用 Python 84%）；NVIDIA 自跑的卡表里 Terminal-Bench 2.1 是 60.67，低于同表里 Qwen3.8-Flash-Next 的 85.80（厂商自述）", "NVIDIA 称在同尺寸开放模型里单卡吞吐最高可达 5 倍（厂商自述）" ], "links": [ { "t": "NVIDIA 开发者博客", "u": "https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16", "k": "official" } ], "date": "2026-10-15", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "nemotron-bolt", "name": "Nemotron 3.5 Bolt", "developer": "NVIDIA", "size": "74B 总 / 9B 激活；24GB 版把专家权重压到 2 比特", "avail": "开放权重，不设门槛；BF16、24GB、GGUF 版", "license": "OpenMDW-1.1", "facts": [ "视觉语言 MoE（混合 Mamba-Transformer），目标是在 24GB 显存里本地跑日常 agent 任务（RTX / DGX Spark）；由 Super VL 用 NVIDIA 的 “Star Elastic” 路由引导压缩得到（模型卡）", "自报（NVIDIA 自跑的卡表）：GPQA-Diamond 88.83（24GB 版 86.43），Qwen3.6-35B-A3B 是 83.40（厂商自述）" ], "links": [ { "t": "NVIDIA 研究博客", "u": "https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Bolt-24GB/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16", "k": "official" } ], "date": "2026-10-15", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "nemotron-dory", "name": "Nemotron Labs Dory 1.0 4B", "developer": "NVIDIA", "size": "约 4B（HF 张量 3.98B）；循环结构：8 层输入 + 20 层共享循环块 + 8 层输出，循环块可跑 1、2 或 4 遍；英文，256K 上下文", "avail": "开放权重，不设门槛；BF16、MXFP8、NVFP4、GGUF 版；vLLM 和 llama.cpp 当时还靠未合并的 PR", "license": "OpenMDW-1.1", "facts": [ "同一份权重按预算跑 1、2 或 4 遍，不用重训（模型卡）", "自报（NVIDIA 自跑的卡表，1 / 2 / 4 遍）：SWE-bench Verified 50.3 / 59.5 / 61.8，多数项落后 Qwen3.6-35B-A3B（厂商自述）", "没有找到官方发布稿，发布日以 HF 模型卡的 10-16 为准" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16", "k": "official" } ], "date": "2026-10-16", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "边界日 · 10-16" } }, { "id": "minimax-m31f", "name": "MiniMax M3.1 Flash", "developer": "MiniMax", "size": "约 428B 总 / 23B 激活的 MoE，1M 上下文，多模态输入、文本输出；稀疏注意力 + 量化感知训练，附 DSpark 推测解码的 draft head（HF 元数据里的张量总数约 2,200 亿，是 FP8/U8 打包所致，官方口径 428B）", "avail": "API 10-19 起：每百万 token 输入 0.15、输出 0.60、缓存输入 0.015 美元；权重 10-23 01:06 UTC 公开（HF MiniMaxAI/MiniMax-M3.1-Flash）。商业使用要显著标注 “Built with MiniMax M3.1-Flash”，年收入超 2,000 万美元的产品须事先书面授权，附录禁止军事用途", "license": "MiniMax Community License（非商业免费；HF 标签 other）", "facts": [ "定位 agent 任务、编程、computer use、网络安全；官方称线上推理快近 3 倍、成本比上一代降 70%（厂商自述）", "自报：DeepSWE v1.1 73.7、Terminal Bench 4.0 38.1、HLE 无工具 43.4；同表里 Opus 5 分别是 74.0、51.8、55.6（厂商自述）", "“击败 DeepSeek 和 Opus 5”是 VentureBeat 的标题，指 Automation-Bench 上 MiniMax 自己的对比图（62.2 对 60.5）（厂商自述）；第三方复测本刊没有核到" ], "links": [ { "t": "官方博客", "u": "https://www.minimax.io/blog/minimax-m31f", "k": "official" }, { "t": "官方 X 帖（权重公开）", "u": "https://x.com/MiniMax_AI/status/2113436864904610008", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash", "k": "official" }, { "t": "Artificial Analysis 页面", "u": "https://artificialanalysis.ai/models/minimax-m3-1-flash", "k": "official" }, { "t": "VentureBeat", "u": "https://venturebeat.com/technology/minimaxs-new-m3-1-flash-beats-deepseek-and-opus-5-on-a-key-business-benchmark-at-lower-cost-but-with-a-high-hallucination-rate", "k": "media" } ], "date": "2026-10-23", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "mercury-3", "name": "Mercury 3", "developer": "Inception Labs", "size": "参数量未披露（官方称总参数是 Mercury 1 的 40 倍以上）；1M 上下文；扩散式（非自回归）文本模型", "avail": "仅 API（Inception API 平台、OpenRouter、Baseten、Vercel），没有声明开放权重；每百万 token 输入 0.20、输出 0.70 美元，首发五折", "license": "—", "facts": [ "Inception 称约 1,068 token/s，在一系列基准上优于 GPT-6 Luna 和 Claude Haiku 5.5 且快 4 到 8 倍；博客页上没有基准表（厂商自述）", "合作方 TinyFish 的 50 个 Mind2Web 实时任务，完成了 50%（厂商自述）", "本刊只读了官方博客，没有核到独立评测" ], "links": [ { "t": "官方博客", "u": "https://www.inceptionlabs.ai/blog/introducing-mercury-3", "k": "official" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/inception-labs", "date": "2026-10-19", "category": "closed-llm", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "ampersand", "name": "Ampersand v0.1", "developer": "humans&", "size": "约 744B 总 / 约 40B 激活的 MoE，1M 上下文；基座是 Z.ai 的 GLM 5.3（模型卡）", "avail": "仅 API（Agents API，用 OpenAI 的客户端调用），没有权重；每百万 token 输入 1.00、缓存输入 0.20、输出 5.20 美元", "license": "—", "facts": [ "定位“为人们一起做成事而训练”的协作模型：用强化学习在长程社交场景里训练，模拟用户由他们的 Persimmon 模型扮演（厂商自述）", "模型卡标明“结果为暂定”：CooperBench 有搭档时 39.0%、单做 48.8%，基座 GLM 5.3 是 17.3% / 52.5%（厂商自述）", "模型卡的安全表：WMDP-cyber 80.6% → 89.0%，提示注入敏感度“明显高于前沿模型”（模型卡自述）" ], "links": [ { "t": "官方博客", "u": "https://ampersand.humansand.ai/blog/", "k": "official" }, { "t": "模型卡", "u": "https://ampersand.humansand.ai/blog/model-card.html", "k": "official" }, { "t": "价格文档", "u": "https://ampersand.humansand.ai/docs/PRICING.html", "k": "official" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/humans-and", "date": "2026-10-20", "category": "closed-llm", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "muse-wonder", "name": "Muse Wonder / Wonder Full", "developer": "Meta", "size": "未披露，1M 上下文", "avail": "闭源。Wonder 走 Meta Model API 和 Muse Code（每百万 token 输入 4、缓存输入 0.20、输出 20 美元）；Wonder Full 只在 Muse Code 订阅里，没有 API 价", "license": "—", "facts": [ "Artificial Analysis Intelligence Index v4.3：Wonder 52、Wonder Full 56，上一代 Muse Spark 1.3 是 48（The Decoder 转述，本刊没有重新核）（独立）", "Vals AI Index：Wonder 第 10，Wonder Full 第 5（The Decoder 转述）（独立）", "Meta 说完整评估报告“soon”，核查时还没看到" ], "links": [ { "t": "Meta 官方稿", "u": "https://about.fb.com/news/2026/10/introducing-muse-wonder-models/", "k": "official" }, { "t": "dev.meta.ai 模型页", "u": "https://dev.meta.ai/models/muse-wonder", "k": "official" }, { "t": "The Decoder", "u": "https://the-decoder.com/metas-new-frontier-model-muse-wonder-full-breaks-into-the-ai-top-tier/", "k": "media" } ], "date": "2026-10-12", "category": "closed-llm", "access": "closed", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-12" } }, { "id": "gemini-4-argon", "name": "Gemini 4 Argon", "developer": "Google DeepMind", "size": "未披露，1M 上下文", "avail": "闭源。9-30 先给可信的网络防御者小范围用，10-13 全面开放（Gemini API 付费档、AI Studio、Android Studio、Antigravity、Gemini 应用）；介绍价每百万 token 输入 2、输出 10 美元", "license": "—", "facts": [ "Google 称 Vals 指数第一；12 个端到端模拟网络攻击场景全部解出（此前是 5 个）（厂商自述）", "Artificial Analysis：AA-Omniscience 42，在指数 45 分以上的模型里幻觉率最低（15%）（The Decoder 转述）（独立）" ], "links": [ { "t": "Google 官方博客", "u": "https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/", "k": "official" }, { "t": "安全与保障说明", "u": "https://blog.google/innovation-and-ai/technology/safety-security/gemini-4-model-safety-security/", "k": "official" } ], "date": "2026-10-13", "category": "closed-llm", "access": "closed", "eps": [ 105, 106, 108 ], "ep_tags": { "108": "背景 · 10-13", "105": "先行 · 09-30", "106": "先行 · 09-30" } }, { "id": "mistral-large-4", "name": "Mistral Large 4", "developer": "Mistral AI（法国）", "size": "约 1.05T 总 / 52B 激活（HF 占位页写 49B，含 embedding 和输出层为 52B），1M 上下文，MoE", "avail": "10-06 起是公开预览的 API，每百万 token 输入 1.36、缓存输入 0.14、输出 4.18 美元；官方说本月底放权重，HF 占位页的倒计时是 10-31，页面上没写许可证；到 10-22 权重还没放出", "license": "未公布", "facts": [ "官方称在 3,800 块 NVIDIA Grace Blackwell GPU 上、自家的欧洲数据中心从零训练；基准是 Mistral 自报（厂商自述）", "Mistral 是法国公司，上期把它归成“美系”是错的" ], "links": [ { "t": "官方博客", "u": "https://mistral.ai/news/mistral-large-4/", "k": "official" }, { "t": "文档页", "u": "https://docs.mistral.ai/models/mistral-large-4-0", "k": "official" }, { "t": "HF 占位仓库", "u": "https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B", "k": "official" } ], "date": "2026-10-06", "category": "closed-llm", "access": "closed", "eps": [ 107, 108 ], "ep_tags": { "108": "背景 · 10-06", "107": "背景 · 10-06" } }, { "id": "voxtral-3", "name": "Voxtral 3 系列", "developer": "Mistral AI（法国）", "size": "Mini Transcribe 3 是 4B；其余型号博客和文档页都没写", "avail": "Mistral API（欧、美和全球端点），文档标 PUBLIC PREVIEW + PREMIER（商用，非开放权重）；HF 的 mistralai 组织下没有 Voxtral 3 仓库", "license": "商用 API", "facts": [ "四个型号：Small Transcribe 3（旗舰，带说话人分离、上下文偏置、话轮结束检测）、Mini Transcribe 3（批量，4B）、Mini Transcribe Realtime 3（流式，延迟低于 500 毫秒）、Mini TTS 3（文档里叫 Voxtral TTS 3）", "价格：Mini Transcribe 3 批量每分钟 0.0035 美元，Realtime 0.008，Small Transcribe 3 0.0040，Mini TTS 3 每百万字符 13 美元", "转写覆盖 50 种语言；博客称 Small 优于 Whisper、Scribe v2 和 Gemini 3.5 Transcribe，但博客自己的 FLEURS-45 图里，Small（约 4.1% WER）和 Microsoft AI Transcribe 2（约 4.0%）几乎持平（厂商自述）", "TTS 的语种数，博客写 35+，文档页写 9 种，两处不一致，本刊两个数都不采用" ], "links": [ { "t": "官方博客", "u": "https://mistral.ai/news/voxtral-3/", "k": "official" }, { "t": "Small Transcribe 3 文档", "u": "https://docs.mistral.ai/models/voxtral-small-transcribe-3-0", "k": "official" }, { "t": "Mini TTS 3 文档", "u": "https://docs.mistral.ai/models/voxtral-mini-tts-3-0", "k": "official" } ], "date": "2026-10-20", "category": "speech", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "granite-speech-5", "name": "Granite Speech 5.0 2B", "developer": "IBM", "size": "约 2B（HF 张量 2.31B）：16 块 conformer CTC 编码器 + Q-former 投影 + 基于 granite-4.0-1b-base 的语言模型", "avail": "开放权重，不设门槛", "license": "Apache-2.0", "facts": [ "语音识别：英、法、德、西、葡、日；翻译：上述语言与英语互译，另有英译意大利语和普通话；训练用了 39 万小时公开音频加合成数据（模型卡）", "IBM 称在 Open ASR 榜的开放权重模型里，平均英语 WER 5.06% 排第 2；本刊没有打开榜单核（厂商自述）", "可用语言提示、最多 2,000 个关键词偏置、按需输出标点和大小写" ], "links": [ { "t": "IBM 的 HF 博客", "u": "https://huggingface.co/blog/ibm-granite/granite-speech-5", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/ibm-granite/granite-speech-5.0-2b", "k": "official" } ], "date": "2026-10-20", "category": "speech", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "phonon", "name": "Phonon（31m / 40m）", "developer": "Gradium（巴黎）", "size": "31M 与 40M 参数（Q8 约 64 MB 与 75 MB）", "avail": "开放权重 + Rust 推理运行时；31m（英语）Apache-2.0，40m（单语或五语合一）CC BY-NC，商用要走 Gradium；40m 的 HF 仓库要申请", "license": "Apache-2.0 / CC BY-NC", "facts": [ "端侧 TTS，CPU、GPU、NPU 都能跑；称笔记本 CPU 上 7 毫秒开口（厂商自述）", "Gradium 自建的 500 句难句测试（数字、邮箱、邮编）：英语 WER Phonon 31m 1.70%，Kokoro 3.50%（厂商自述）", "是 4 月宣布、一直内测的模型的开放版本" ], "links": [ { "t": "官方博客", "u": "https://gradium.ai/blog/release-phonon-open-weight", "k": "official" }, { "t": "NEO LAB № 60 Gradium", "u": "https://xiaopingfeng.com/live/neolab/gradium", "k": "self" } ], "dev_url": "https://gradium.ai/", "date": "2026-10-20", "category": "speech", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "nemotron-embed", "name": "Nemotron 3.5 Embed（8B / 1B）", "developer": "NVIDIA", "size": "8B 版 8.38B（4096 维）；“1B”版实为 1.55B（2048 维）；32,768 token 上下文，支持 Matryoshka 截断", "avail": "开放权重，不设门槛；8B 基于 Ministral-3-8B-Instruct，1B 由 8B 蒸馏；另有 NVFP4 版", "license": "OpenMDW-1.1", "facts": [ "多模态检索嵌入：文本查询去找页面图像、文本或图文（模型卡）；文本评测 34 种语言，视觉检索 18 种", "自报：ViDoRe v3.1 nDCG@10，8B 版 61.17，称是稠密检索器第一（截至 10-20）；MIRACL Vision 72.6，比 Qwen3-VL-Embedding-8B 高 4.3（厂商自述）", "1B 的 NVFP4 版吞吐 +27.1%，保留 99.85% 的 ViDoRe v3 精度（厂商自述）" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/nemotron-retriever-world-class-agentic-retrieval", "k": "official" }, { "t": "Embed-8B 模型页", "u": "https://huggingface.co/nvidia/Nemotron-3.5-Embed-8B-BF16", "k": "official" }, { "t": "Embed-1B 模型页", "u": "https://huggingface.co/nvidia/Nemotron-3.5-Embed-1B-BF16", "k": "official" } ], "date": "2026-10-20", "category": "retrieval", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "nemotron-rerank", "name": "Nemotron 3.5 Rerank 8B", "developer": "NVIDIA", "size": "8.38B，交叉编码器，32,768 token 上下文", "avail": "开放权重，不设门槛", "license": "OpenMDW-1.1", "facts": [ "多语言、多模态重排：文本查询加文本、页面图或图文文档，输出相关性 logit（模型卡）", "自报：新的 ViDoRe v3.1 重排榜（与 MTEB 团队合作）图文 60.49，Qwen3-VL-Reranker-8B 是 59.17；在 agent 检索测试里加上 Rerank，每次查询的 token 成本降约 13% 到 14%（厂商自述）" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/nemotron-retriever-world-class-agentic-retrieval", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/Nemotron-3.5-Rerank-8B-BF16", "k": "official" } ], "date": "2026-10-20", "category": "retrieval", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "nemotron-parse", "name": "Nemotron 3.5 Parse", "developer": "NVIDIA", "size": "630.8M（C-RADIOv4-SO400M 视觉编码器 + 10 层 mBART 解码器）", "avail": "开放权重，不设门槛；HF 仓库 9-03 就建了，模型卡的发布日期栏是空的，这里以 10-21 的博客为准", "license": "OpenMDW-1.1", "facts": [ "文档图像解析：输出带语义版面类别、框和阅读顺序的 Markdown / HTML 表格和图表结构；取代 Nemotron Parse 2.0（模型卡）", "自报：ParseBench 三遍均值 75.20，称是 1B 以下第一（截至 10-20）；单遍 72.74、每秒 16.1 页（H100）（厂商自述）" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/nemotron-retriever-world-class-agentic-retrieval", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/Nemotron-3.5-Parse", "k": "official" } ], "date": "2026-10-21", "category": "retrieval", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "embeddinggemma-2", "name": "EmbeddingGemma 2", "developer": "Google DeepMind", "size": "7.4 亿总参数（文本 2.7 亿 + 视觉编码器 1.7 亿 + 音频编码器 3 亿；纯文本用 2.7 亿）；768 维，8,192 token 上下文", "avail": "开放权重，不设门槛", "license": "Apache-2.0", "facts": [ "原生多模态嵌入：文本（含代码）、图像、视频、音频映射到同一空间，100+ 语言（模型卡）", "自报：MTEB Code 相对 EmbeddingGemma 1 从 68.76 提到 78.68；Pixel 11 Pro 上量化后纯文本约 191MB 内存（厂商自述）", "10-21 NVIDIA 的检索博客把它当对照基线，所以这周又被提到" ], "links": [ { "t": "Google 官方博客", "u": "https://blog.google/innovation-and-ai/technology/developers-tools/embeddinggemma-2/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/google/embeddinggemma-2", "k": "official" } ], "date": "2026-10-06", "category": "retrieval", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-06" } }, { "id": "flux-3-max", "name": "FLUX 3 Max", "developer": "fal（fal Research；在 Black Forest Labs 的 FLUX 3 Video 上后训练）", "size": "未披露", "avail": "仅 API（fal）：文生视频、图生视频、关键帧；720p，可升 1080p，5 到 20 秒；每秒 0.17 美元（720p）、0.29 美元（1080p），首发 75% 折扣到 11-07", "license": "—", "facts": [ "fal 称 10 秒视频约 12 秒生成，Seedance 2.5 要 277.80 秒，约快 22 倍；两者在 Artificial Analysis 的初步图生视频榜上都是 1,139 Elo（厂商自述）", "VentureBeat 核了 AA 的实时榜：FLUX 3 Max 1,138 Elo（置信区间 1,123 到 1,153），Seedance 2.5 1,138，MiniMax H3 1,140，区间重叠，AA 给的名次范围是第 1 到第 5（独立）", "速度是 fal 自己的计时，取决于设置" ], "links": [ { "t": "fal 页面", "u": "https://fal.ai/flux-3-max", "k": "official" }, { "t": "VentureBeat", "u": "https://venturebeat.com/technology/fal-launches-flux-3-max-claiming-22-faster-ai-video-generation-than-seedance-2-5", "k": "media" } ], "date": "2026-10-19", "category": "video-world", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "cosmos3-h", "name": "Cosmos3-H-Embodied-Nano / Cosmos3-H-Dreams", "developer": "NVIDIA（含 CMR Surgical 的数据）", "size": "Embodied-Nano 16B（约 7B 在后训练中更新）；Dreams 15.17B", "avail": "开放权重，不设门槛", "license": "NVIDIA Open Model License", "facts": [ "手术机器人世界模型：Embodied-Nano 在 15 个手术数据集上联合训练前向动力学、逆动力学和策略；Dreams 在 CMR Surgical Versius 的胆囊切除视频加运动学上微调，再蒸馏成 4 步的自回归学生（模型卡）", "NVIDIA 称这是第一个用临床胆囊切除录像训练、支持实时运动控制的生成式手术模拟器，单张 RTX PRO 6000 可交互运行（厂商自述）", "博客说有 4 步和 2 步两个检查点，模型卡只列了 4 步，2 步未确认" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/cosmos3-h-dreams", "k": "official" }, { "t": "Embodied-Nano 模型页", "u": "https://huggingface.co/nvidia/Cosmos3-H-Embodied-Nano", "k": "official" }, { "t": "Dreams 模型页", "u": "https://huggingface.co/nvidia/Cosmos3-H-Dreams", "k": "official" } ], "date": "2026-10-20", "category": "video-world", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "cosmos3-sim", "name": "Cosmos3-Nano 的 Sim-Auto / Sim-Bimanual / Sim-Transfer / Transfer-Auto", "developer": "NVIDIA", "size": "各约 16B", "avail": "开放权重，不设门槛；卡片日期是 10-20，但仓库 8 月就建了，没有找到单独的发布稿", "license": "OpenMDW-1.1", "facts": [ "Sim-Auto：实时闭环驾驶模拟，生成多视角相机视频和激光雷达；Transfer-Auto：批量生成多视角相机 + 激光雷达数据，可改天气和时间；Sim-Bimanual：双臂机器人动作下的环境演化模拟（模型卡）" ], "links": [ { "t": "HF 合集", "u": "https://huggingface.co/collections/nvidia/cosmos3-examples", "k": "official" }, { "t": "Sim-Auto 模型页", "u": "https://huggingface.co/nvidia/Cosmos3-Nano-Sim-Auto", "k": "official" } ], "date": "2026-10-20", "category": "video-world", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "kling-4", "name": "Kling 4.0 / 4.0 Flash", "developer": "Kling AI（快手）", "size": "未披露", "avail": "闭源。Kling 网站和 App（积分制）；企业 / 开发者 API 和 Adobe Firefly 接入都写“即将”", "license": "—", "facts": [ "10-16 的全球发布稿：原生 30 秒生成（可延到 2 分钟）、最多 15 个多模态参考和 10 个关键帧、8,000 token 提示、更多语言和口音（厂商自述）", "官方博客 9-30 写新体验自 9-28 起分批开放；10-bit HDR 和 21:9 写“soon”", "没有标准化基准" ], "links": [ { "t": "全球发布稿", "u": "https://www.globenewswire.com/news-release/2026/10/16/3382484/0/en/kling-ai-launches-kling-4-0-globally-with-professional-grade-output-stable-motion-and-multimodal-control.html", "k": "media" }, { "t": "Kling 官方博客", "u": "https://kling.ai/blog/kling-4-ai-video-model", "k": "official" } ], "date": "2026-10-16", "category": "video-world", "access": "closed", "eps": [ 108 ], "ep_tags": { "108": "边界日 · 10-16" } }, { "id": "moss-image", "name": "MOSS-Image（Base / SFT）", "developer": "OpenMOSS 团队", "size": "5B（HF 张量约 5.08B）", "avail": "开放权重；有 ComfyUI 插件和 Diffusers 流水线", "license": "Apache-2.0", "facts": [ "文生图，用 JSON 提示指定物体、要渲染的文字和框，文字渲染强，中英双语（厂商自述）", "社区很快出了 4 步 / GGUF / DMD 变体；GitHub 1,428 星（10-23 取）" ], "links": [ { "t": "项目页", "u": "https://openmoss.github.io/MOSS-Image/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/OpenMOSS-Team/MOSS-Image-SFT", "k": "official" } ], "date": "2026-10-16", "category": "video-world", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "边界日 · 10-16" } }, { "id": "flux-3-klein", "name": "FLUX.3 Image Klein", "developer": "Black Forest Labs", "size": "5.6B（文本编码器 Qwen3-VL 不计）", "avail": "开放权重，要在 HF 申请（自动通过）；个人和年收入不足 500 万美元的公司可免费商用，研究与非商用免费，更大的组织要自托管许可或走 API；BFL API 每千张图 0.009 美元起", "license": "FLUX Kommunity License", "facts": [ "文生图、编辑、最多 10 张参考图的多参考生成，原生 4K，支持框布局控制；BFL 称内部评测在文生图、多参考和编辑上排第一（厂商自述）", "INT8 版最低 8GB 显存可跑；HF 博客称 H100 上 1024×1024 约 2 秒（厂商自述）" ], "links": [ { "t": "BFL 官方博客", "u": "https://bfl.ai/blog/flux-3-image-klein", "k": "official" }, { "t": "HF 博客", "u": "https://huggingface.co/blog/flux-3", "k": "official" } ], "date": "2026-10-15", "category": "video-world", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "nvidia-flora", "name": "Flora（Captioner 27B / Rewarder 27B / TempSeg 9B）", "developer": "NVIDIA", "size": "Captioner 和 Rewarder 在 Qwen3.5-27B 上后训练，TempSeg 在 Qwen3.5-9B 上后训练", "avail": "权重在 HF，不设门槛，但非商用，仅限研究开发", "license": "NVIDIA OneWay Noncommercial License", "facts": [ "训练 GR00T-2 用的数据引擎：TempSeg 在操作视频里定位动作区间，Captioner 给每段写动作指令，Rewarder 给整段结果和过程打奖励，用于强化学习后训练；输出是标注，不用于控制机器人（模型卡）" ], "links": [ { "t": "Captioner 模型页", "u": "https://huggingface.co/nvidia/Flora-Captioner", "k": "official" }, { "t": "Rewarder 模型页", "u": "https://huggingface.co/nvidia/Flora-Rewarder", "k": "official" } ], "date": "2026-10-15", "category": "video-world", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "rfd4-proteina", "name": "RFD4-Proteina", "developer": "NVIDIA（GenAIR）与 Baker Lab", "size": "约 4.36 亿参数（流匹配模型 + 自编码器打包）", "avail": "开放权重，不设门槛；Diffusers 流水线 10-20 合并；可选的第三方资源（AlphaFold2 / OpenFold3 重折叠镜像）另有条款", "license": "BSD-3-Clause", "facts": [ "可编程蛋白设计：同时生成序列和全原子结构，上下文可含蛋白、小分子、核酸、聚糖、金属离子和修饰残基（模型卡）", "自报：24 个靶点的结合剂基准上，“高思考”档每 GPU 小时产出 76.40 个通过计算筛选的结构不同设计，Proteina-Complexa 是 13.24（厂商自述）", "结果只是计算验证，博客自己写需要实验证实结合" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/rfd4-proteina-protein-design", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/RFD4-Proteina", "k": "official" } ], "date": "2026-10-21", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "kumo-relational", "name": "Kumo Relational", "developer": "NVIDIA（Kumo 团队）", "size": "未披露", "avail": "开放权重，不设门槛；可经 structured-data-models 库或 NIM 加载", "license": "OpenMDW-1.1", "facts": [ "预训练的关系型基础模型：用上下文学习（最多 10,000 个上下文样本）直接对多表数据库做预测，不用逐任务训练；只用合成的关系数据预训练（模型卡）", "自报：15 个数据库、41 个任务上“首个超过监督 ML 的少样本基础模型”；RelBench V1 分类约比专家调过的梯度提升树高 4 个 AUROC（厂商自述）" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/nvidia/kumo-relational", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/Kumo-Relational", "k": "official" } ], "date": "2026-10-21", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "omnii-1", "name": "Omnii-1", "developer": "Radical Numerics", "size": "未披露", "avail": "研究预览，需申请访问；没有开放权重", "license": "—", "facts": [ "跨 28 种生物模态原生预训练（DNA、RNA、蛋白、染色质可及性等），称“数万亿 token”，同日发布八个应用（公司自述）", "公司自跑的对比：Omnii Genome 对 AlphaGenome 和 Borzoi，如 RNA-seq 对数皮尔逊 r 0.830 对 0.80 / 0.75，没有第三方复现（厂商自述）", "噬菌体一条是公司自述：AI 设计的噬菌体首次在医师主导的同情用药下用于一名耐药菌感染患者，病程和结果没有披露，本刊没有找到医院或监管方的独立来源" ], "links": [ { "t": "公司博客", "u": "https://www.radicalnumerics.ai/blog/omnii-1", "k": "official" }, { "t": "NEO LAB № 57", "u": "https://xiaopingfeng.com/live/neolab/radical-numerics", "k": "self" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/radical-numerics", "date": "2026-10-20", "category": "science", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "timestral", "name": "Timestral（5M / 28M / 123M / 209M）", "developer": "Mistral AI（法国）", "size": "四个规模：5M、28M、123M、209M 参数；上下文 32,768 个时间步", "avail": "开放权重（HF 的 mistralai/Timestral-*），GitHub 有代码；CPU 可跑", "license": "Modified MIT（HF 标签是 other）", "facts": [ "Mistral 第一个时间序列基础模型；209M 版称在 GIFT-Eval、TIME、fev-bench 三个主流公开基准上排第一，参数量约为此前最好成绩的三分之二（厂商自述）", "概率式多变量预测（21 个分位数），支持过去与已知未来协变量；CPU 上预测一天的延迟从 10 毫秒（5M）到 140 毫秒（209M）（厂商自述）", "HF 模型卡里 GIFT-Eval MASE 0.658、CRPS 0.446（模型卡）" ], "links": [ { "t": "官方博客", "u": "https://mistral.ai/news/timestral", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/mistralai/Timestral-209M", "k": "official" } ], "date": "2026-10-15", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-15" } }, { "id": "carbon-a", "name": "Carbon-A 1.2B", "developer": "Hugging Face（HuggingFaceBio）", "size": "1.2B（HF 张量 1.15B）；6-mer 词元，一次看 98,304 个碱基", "avail": "开放权重，不设门槛（需 trust_remote_code）；另放出 Carbon 注释数据库", "license": "Apache-2.0", "facts": [ "只看 DNA 序列预测编码区，一个模型覆盖哺乳类、其他脊椎动物、无脊椎动物、植物、真菌和原生生物（模型卡）", "自报：42 个基准基因组上宏平均核苷酸 F1 0.944，高于 AUGUSTUS、Helixer、Tiberius 等（厂商自述）", "注释出 5.66 亿个新基因候选，覆盖 22,617 个物种；博客写明 RNA 证据还不能说明翻译或功能" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/HuggingFaceBio/carbon-annotator-genbank-genome-annotation", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/HuggingFaceBio/Carbon-A-1.2B", "k": "official" } ], "date": "2026-10-08", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "背景 · 10-08" } }, { "id": "eagle-4", "name": "EAGLE-4", "developer": "Eagle AI Corp", "size": "两个草稿头：Qwen3.8-27B-EAGLE4 为 3.09B，Nemotron-3.5-Super-VL-120B-A12B-EAGLE4 为 4.12B", "avail": "代码和权重公开；不是 OSI 开源：年收入 2000 万美元以下可商用，做“竞品服务”须另签", "license": "Eagle 4 Source-Available License", "facts": [ "README：Qwen3.8-27B 上最高 3.4 倍生成速度、答案相同（SGLang，4×B300，单请求 3.42 倍，8 并发 2.09 倍，64 并发 1.39 倍）（厂商自述）", "不同来源的倍数不同：README 3.42、论文和 HF 卡 3.59、fal 的技术稿 3.77，取决于测试设置", "专题 04 里提到的 961.6 token/s 来自 EAGLE 团队的帖子，本刊没有在论文、README、HF 卡或 fal 稿里找到，没有采用" ], "links": [ { "t": "GitHub 仓库", "u": "https://github.com/eagle-hq/EAGLE-4", "k": "github" }, { "t": "Qwen3.8-27B 草稿头", "u": "https://huggingface.co/EAGLE-Corp/Qwen3.8-27B-EAGLE4", "k": "official" }, { "t": "许可证", "u": "https://raw.githubusercontent.com/eagle-hq/EAGLE-4/main/LICENSE", "k": "github" }, { "t": "NEO LAB № 61 Eagle AI Corp", "u": "https://xiaopingfeng.com/live/neolab/eagle-ai", "k": "self" } ], "date": "2026-10-20", "category": "accel", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "dflash2", "name": "Muse-Spark-Open-816B-A42B-DFlash2", "developer": "NVIDIA", "size": "4.38B 稠密草稿模型", "avail": "开放；配合 vLLM / SGLang 在 Blackwell 上用，不是独立模型", "license": "NVIDIA Open Model Agreement + Meta 的 Muse 许可", "facts": [ "DFlash 2：块扩散草稿，加每个子层周围的两抽头块内卷积和成对路径选择器（模型卡）", "自报：接受长度 3.87（MT-Bench 贪心，推理 xhigh，并发 32，一个 GB300 节点，NVFP4 目标模型）；卡上没有 token/s 的加速数字（厂商自述）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/nvidia/Muse-Spark-Open-816B-A42B-DFlash2", "k": "official" } ], "date": "2026-10-16", "category": "accel", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "边界日 · 10-16" } }, { "id": "memt-1", "name": "MemT-1.0（Nano / Flash）", "developer": "MemTensor", "size": "Nano：36B 总 / 3B 激活（Qwen3.6-35B-A3B 骨干，451M 可训练记忆参数）；Flash：288B 总 / 17B 激活（DeepSeek-V4-Flash 骨干，3.61B 记忆参数）", "avail": "开放权重（HF 标签：Nano Apache-2.0，Flash MIT）；论文 arXiv 10-19 提交，HF 仓库 10-15 和 10-17 创建（先建后发）", "license": "Apache-2.0 / MIT", "facts": [ "在主干旁加“原生记忆块”，把交互历史压成固定大小的记忆状态（不是长上下文，也不是外挂 RAG）；论文摘要称 128K 历史下 Nano 端到端推理快约 1.86 倍、持久存储比完整 KV 缓存少 66 倍（论文自述）", "在 11 个记忆基准上，Flash 和 Nano 在“参数化记忆”方法里排第 1、第 2，但论文自己写 “Strong textual-memory systems remain ahead overall”（文本式记忆系统总体仍领先）；X 上流传的“256K、120 倍”不在摘要和模型卡里，本刊没有核到" ], "links": [ { "t": "arXiv 论文", "u": "https://arxiv.org/abs/2610.26825", "k": "official" }, { "t": "HF 模型页（Nano）", "u": "https://huggingface.co/MemTensor/MemT-1.0-Nano", "k": "official" } ], "date": "2026-10-19", "category": "open-llm", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "decisions-api", "name": "Decisions API（基于 GPT-6 Luna）", "developer": "OpenAI", "size": "未披露（用的是 GPT-6 Luna，不是新训练的模型）", "avail": "API 专用端点，闭源，10-22 正式可用（此前公测）；每百万输入 token 0.10 美元、缓存输入 0.01 美元，不收输出 token；美国/欧盟区域处理可选，每次请求最多 400 个问题", "license": "—", "facts": [ "答案有限的问题专用：predicate（0–1 概率）、choice（选一个，附概率和置信度）、score（按量表打分）；OpenAI 称比通过 Responses API 调 GPT-6 Luna 最多快 10 倍（厂商自述）", "TechCrunch 引产品负责人：延迟从 1–3 秒降到 100–180 毫秒；对标 TypeSafe 的 Jev；两个决策榜单上 OpenAI 排第 8 和第 14，最新的 Jev 排第 7 和第 3（TechCrunch 转述，本刊没有核榜单）", "对上期“美国公司的决策模型基座全是 Qwen”是基座不是 Qwen 的反例，但它是通用模型的窄接口，不是可下载权重的决策模型" ], "links": [ { "t": "OpenAI 官方页", "u": "https://openai.com/index/decisions-api/", "k": "official" }, { "t": "TechCrunch", "u": "https://techcrunch.com/2026/10/22/openai-makes-its-jev-competitor-widely-available-as-decision-model-competition-heats-up/", "k": "media" } ], "date": "2026-10-22", "category": "decision", "access": "closed", "eps": [ 105, 108 ], "ep_tags": { "105": "预览 · 09-29" } }, { "id": "pplx-decider-flash", "name": "pplx-decider-flash-v1.2 与 Decider for Mac", "developer": "Perplexity", "size": "4B（基于 Qwen3.5-4B，从 27B 决策模型蒸馏，HF 张量约 4.54B）", "avail": "开放权重；托管 API 每百万输入 token 0.01 美元（27B 的 v1.2 是 0.02 美元），不收输出 token；10-22 的新东西是 Mac 应用 Decider for Mac：在本机跑这个 4B 模型，不要 API key、不产生用量账单，要 Apple 芯片、macOS 13 以上、16 GB 内存，首次启动下载约 5.8 GB，本机 127.0.0.1:8080 提供与托管 API 相同的请求格式", "license": "Apache-2.0", "facts": [ "模型本身不是这周新的：HF 仓库 10-15 创建（发布日只能参考仓库日期和 API 更新日志的“October 2026”），新的是本地应用（官方 @perplexitydevs 10-22）", "自报：Decision Index 0.3 总分，联合请求 58.88、每请求一问 60.05，27B 的 v1.2 是 68.09（厂商自述）" ], "links": [ { "t": "Decider for Mac 文档", "u": "https://docs.perplexity.ai/docs/decisions/decider-for-mac", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/perplexity-ai/pplx-decider-flash-v1.2", "k": "official" }, { "t": "官方 X 帖", "u": "https://x.com/perplexitydevs/status/2113400731969663183", "k": "official" } ], "date": "2026-10-22", "category": "decision", "access": "open", "eps": [ 108 ], "ep_tags": { "108": "模型 10-15 · 应用 10-22" } }, { "id": "lingdt", "name": "LingDT-Decision-1.0", "developer": "蚂蚁数科", "size": "4B 与 27B 两个版本", "avail": "上线蚂蚁数科 DTMaaS 平台，开发者限时免费体验；稿件没有说开放权重或许可", "license": "未说明", "facts": [ "蚂蚁数科自述：在客服、风控、金融等真实业务测试里，Token 消耗比大语言模型降 90% 以上、响应快 10 倍；在 23 项开源评测上，27B 版综合评分第一，超过 Microsoft-Decision-1、Jev 1.13.0 等（厂商自述，比的是它自选的基准）", "“准确率超过微软和 Jev”只是蚂蚁数科的自述；本刊没有核到官方稿或技术报告，HF 上没有找到蚂蚁数科的仓库" ], "links": [ { "t": "雷锋网", "u": "https://www.leiphone.com/category/industrynews/IshbO1ikAgjvB6G9.html", "k": "media" } ], "date": "2026-10-22", "category": "decision", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "xing4-intent", "name": "Xing4.0-29B-Intent", "developer": "中国电信（星辰通用人工智能实验室）", "size": "约 29B（由 Xing4.0-29B-A4B 微调，A4B 即约 4B 激活的 MoE 基座，HF 张量合计约 31.2B）；另有 FP8 与 GGUF 版", "avail": "开放权重，同时开放 275 万条训练语料和推理镜像；HF 仓库 10-15 创建，以量子位稿的“正式发布并开源”日 10-22 为准", "license": "Apache-2.0", "facts": [ "意图识别与参数抽取的专用模型，输出 JSON，已用在电信客服和智能家居音箱；量子位的稿件把开发方写成中国电信（有的转述写成中国移动，是错的）", "自报：从 48 个中英文公开数据集抽 6,000 题，总分 58，高于 18 款通用模型里最高的 49（Gemini-3.6-Flash）；类别决策 5,606 题，总决策分 70，Jev 是 56、GPT-6-Luna 是 65（中国电信自述，评测是自家设计的）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/XingChen-AGI/Xing4.0-29B-Intent", "k": "official" }, { "t": "量子位", "u": "https://www.qbitai.com/2026/10/504832.html", "k": "media" } ], "date": "2026-10-22", "category": "decision", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "ming-3-tts", "name": "Ming-3.0-tts（0.5B / tiny）", "developer": "蚂蚁集团（inclusionAI / Ant Ling）", "size": "0.5B 稠密骨干（基于 Qwen2.5-0.5B，整份 checkpoint 约 1.5B）；另有 7.9B 总 / 1.3B 激活的 MoE tiny 版", "avail": "开放权重，需配套 GitHub 推理代码；GitHub 初始发布提交在 10-19，Artificial Analysis 10-20 评测，没有找到蚂蚁官方稿的日期", "license": "MIT", "facts": [ "零样本声音克隆、声音设计，情感/语速/音调/音量控制；44.1 kHz；中英德西法韩日加四川话、粤语（模型卡）", "Artificial Analysis：Controlled Voice 竞技场开放权重第一，Pronunciation Robustness 并列第一；前 10 里别的开放权重 TTS 都在 3.5B 以上，它用少 7 到 70 倍的参数进了同一档（独立）；闭源的 Eleven v4 系列仍在它前面（AA 页面 Elo 1189.67 对 1329–1335）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/inclusionAI/Ming-3.0-tts-0.5B", "k": "official" }, { "t": "GitHub", "u": "https://github.com/inclusionAI/Ming-3.0-tts", "k": "github" }, { "t": "Artificial Analysis", "u": "https://artificialanalysis.ai/text-to-speech/models/ming-3-0-tts", "k": "official" }, { "t": "AA 的 X 帖", "u": "https://x.com/ArtificialAnlys/status/2113380805552857591", "k": "social" } ], "date": "2026-10-19", "category": "speech", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "canva-craft", "name": "Canva Craft", "developer": "Canva（Canva Research）", "size": "未披露；两阶段：先由规划模型写出构图计划（元素、位置关系、层级、要出现的文字），再由渲染模型出图；最高 2K，30 多种宽高比，可生成 55 种语言的文字", "avail": "闭源，没有权重；Canva 里从 Dream Lab 进入，对全部用户开放，另有公共 API；MCP“即将”支持；更快更便宜的 Craft-fast 和 Craft-ultrafast“upcoming”；价格没披露", "license": "—", "facts": [ "Canva 称这是它第一个从零训练的基础模型，训练数据强调设计而非照片，含数百万个人工制作的模板（官方稿自述）", "DesignArena 众包榜首发总榜第 4（官方自述；The Verge 补充：排在 OpenAI 的 GPT-Image-2.5 Sunburst、Flare 和 GPT-Image-2 之后），“人物与肖像”“风景与自然”两类第 1；别写成总榜第一" ], "links": [ { "t": "Canva 官方稿", "u": "https://www.canva.com/newsroom/news/canva-craft/", "k": "official" }, { "t": "TechCrunch", "u": "https://techcrunch.com/2026/10/22/canva-releases-its-first-image-generation-model/", "k": "media" }, { "t": "The Verge", "u": "https://www.theverge.com/ai-artificial-intelligence/1017151/canva-craft-in-house-ai-model", "k": "media" } ], "date": "2026-10-22", "category": "video-world", "access": "closed", "eps": [ 108 ], "ep_tags": { "108": "美国 10-22 · 官方页 10-23" } }, { "id": "heygen-video-1", "name": "HeyGen Video 1", "developer": "HeyGen", "size": "未披露", "avail": "API / 平台（HeyGen Platform）：文生视频、图生视频、参考图生成，5 到 15 秒、480p 到 2K，场景自带同一提示词生成的声音；发布价约 0.018 美元/秒", "license": "—", "facts": [ "HeyGen 称这是它的第一个通用视频模型，在 Artificial Analysis 的盲测里文生视频排第 1（官方 X 帖，厂商自述；本刊没有打开榜单核）" ], "links": [ { "t": "HeyGen Platform", "u": "https://platform.heygen.com/models/heygen-video", "k": "official" }, { "t": "官方 X 帖", "u": "https://x.com/HeyGen/status/2113325916181102761", "k": "official" } ], "date": "2026-10-22", "category": "video-world", "access": "closed", "eps": [ 108 ], "ep_tags": {} }, { "id": "carbon-x", "name": "Carbon-X", "developer": "Hugging Face（HuggingFaceBio）", "size": "14.8B（40 层，从 Qwen3-14B 出发，3,020 亿 token 中训练 DNA + 文本；混合分词器：Qwen3 词表 + 5,515 个 DNA 词元，每个 DNA 词元覆盖 6 个碱基；上下文 40,960）", "avail": "开放权重，不设门槛；单张 80 GB GPU 可跑（bf16），vLLM 可部署；DNA 分词器是自定义代码（trust_remote_code），要 Transformers v5", "license": "Apache-2.0", "facts": [ "在聊天里输入原始 DNA，用英文回答：预测变异良性还是致病、找调控区、按生物类群分类、预测下一段碱基并解释（模型卡）", "自报：五个 DNA 基准平均 66.7%（关闭思考），比起点 Qwen3-14B 高 27 个点；GPT-6.1 Sol 是 67.5%，推理成本约为后者的 1/1,800；估算分析 ClinVar 里 240 万个意义未明的变异，用 Carbon-X 约 300 美元，前沿模型 3.2 万到 400 万美元（厂商自述，按 H200 每小时 5 美元折算）", "Wired 10-22 的标题：Hugging Face’s New AI Model Lets You Chat With DNA（据标题和导语）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/HuggingFaceBio/Carbon-X", "k": "official" }, { "t": "Wired", "u": "https://www.wired.com/story/hugging-face-new-ai-biology-model-chat-with-dna/", "k": "media" } ], "date": "2026-10-22", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "olmoearth-1-3", "name": "OlmoEarth v1.3", "developer": "Ai2", "size": "128M（ViT-Base）+ 14.3M Perceiver + 0.1M 线性学生；读一年的 Sentinel-1/2 与 Landsat 时间序列，每个 10 米像素给出 128 维向量（前 64 维也可单独用）", "avail": "权重、预训练数据、预训练代码都公开；同时放出全球逐年预计算嵌入（10 米，64/128 维，在 Source Cooperative）和浏览器端 Embeddings Explorer；HF 仓库 09-04 就建了，不是发布日", "license": "OlmoEarth Artifact License（HF 标签 other，非 Apache/MIT）", "facts": [ "对比 AlphaEarth Foundations 和 Tessera v2：27 项评测里 128 维版有 20 项最高，64 维版 18 项领先；训练算力只有 v1.2 的 53%、v1 的 18%（Ai2 自述）" ], "links": [ { "t": "HF 博客", "u": "https://huggingface.co/blog/allenai/olmoearth-v1-3", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/allenai/OlmoEarth-v1_3-Base", "k": "official" } ], "date": "2026-10-22", "category": "science", "access": "open", "eps": [ 108 ], "ep_tags": {} }, { "id": "hy4-preview", "name": "Hy4 preview（含 FP8 版）", "developer": "腾讯混元（Tencent Hy Team）", "size": "MoE：总参数 770B、激活 49B（官方口径，只算主干；另有 1 层原生 MTP，约 10B 总参数 / 0.7B 激活）；78 层、256 个路由专家加 1 个共享专家，每 token 激活 8 个；上下文 1M；文本输入输出。HF safetensors 合计约 7,800 亿（含 MTP 层）", "avail": "权重公开在 Hugging Face、ModelScope、GitCode、CNB，无需申请（HF gated=false），另有 FP8 量化版；模型卡给了 vLLM、SGLang 的部署方法。官方 API 价格和上线时间本刊没有核到；模型卡称会与腾讯 CodeBuddy、WorkBuddy 联合打磨", "license": "Apache-2.0（OSI 认可的开源许可）", "facts": [ "模型卡把它定位为“早期版本”，自列已知问题：复杂任务里推理时间过长、倾向于过度验证自己的结果（模型卡）", "腾讯内部 163 名专家对 203 个工程任务做盲评：Hy4 preview 对 GLM 5.3 平均分 2.99 对 2.92（胜 46.8%、平 12.8%、负 40.4%），对 Kimi K3 为 2.99 对 2.94（胜 51.2%、平 7.9%、负 40.9%）（厂商自述）", "架构上用带门控的 DeepSeek 稀疏注意力（Gated DSA）加 IndexCache 做跨层稀疏索引复用，残差用 iHC；基准成绩模型卡只以图片给出，本刊没有逐项转录（模型卡）", "路透社 08-28 报道说腾讯在 Hugging Face 上发布了这个预览版，面向软件工程、研究和金融分析（独立，媒体）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/tencent/Hy4-preview", "k": "hf" }, { "t": "HF FP8 版", "u": "https://huggingface.co/tencent/Hy4-preview-FP8", "k": "hf" }, { "t": "路透社", "u": "https://www.reuters.com/world/asia-pacific/chinas-tencent-releases-new-open-source-ai-model-coding-research-tasks-2026-08-28/", "k": "media" } ], "date": "2026-08-28", "category": "open-llm", "access": "open", "eps": [ 101 ], "ep_tags": { "101": "边界日 · 08-28" } }, { "id": "glm-5-3", "name": "GLM-5.3", "developer": "智谱 Z.ai", "size": "官方模型卡没写总参数；HF safetensors 合计约 7,533 亿（含 FP8 与 BF16 张量）；与 GLM-5.2 同一个基座，只做了后训练；上下文 1M token、最大输出 128K，仅文本输入（官方 API 文档）", "avail": "权重 08-28 前后放到 Hugging Face（首次提交 08-27 17:16 UTC），无需申请（gated=false）；官方 API 每百万 token 输入 1.4、输出 4.4 美元。发布日有两个说法：NIST CAISI 写 08-14 发布、权重“约两周后”放出；Z.ai 文档发布说明里的条目日期是 08-18。本刊以权重公开日 08-28 为台账日期", "license": "glm-5.3（Z.AI 自定义许可，HF 标签 other）：条款接近 MIT，但运营“模型即服务”业务、且本方与关联方连续 12 个月营收超过 100 亿美元的主体，商用前必须先通过 Z.AI 的安全审查；不是 OSI 开源许可", "facts": [ "模型卡自报：Z.ai Code Bench 比 GLM-5.2 高 50%；Terminal Bench 3.0 得 28.3（GLM-5.2 为 4.6）、CyberGym 84.5、ExploitBench 54.4。同一张表里，CyberGym、AutomationBench（48.2）、GDPval-AA v2（1769）高于所有列出的对手，而 Terminal Bench 3.0、DeepSWE（66.9）、ExploitBench 仍低于 GPT-5.6 Sol 与 Fable 5（厂商自述，本刊没有重跑）", "官方称网络安全能力在后训练中“比预期长得快”，并披露在 269 个项目里发现 2,436 个漏洞（含 1,097 个中高危）（厂商自述）", "NIST CAISI 09-17 的评估：GLM-5.3 是迄今发布的网络能力最强的开放权重模型，但比美国前沿模型落后约四个月（独立）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/zai-org/GLM-5.3", "k": "hf" }, { "t": "Z.ai 官方文档", "u": "https://docs.z.ai/guides/llm/glm-5.3", "k": "official" }, { "t": "Z.ai 发布说明", "u": "https://docs.z.ai/release-notes/new-released", "k": "official" }, { "t": "许可全文（HF LICENSE）", "u": "https://huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE", "k": "hf" }, { "t": "NIST CAISI 评估", "u": "https://www.nist.gov/news-events/news/2026/09/caisis-assessment-zais-glm-53-cyber-capabilities", "k": "official" } ], "dev_url": "https://z.ai", "date": "2026-08-28", "category": "open-llm", "access": "open", "eps": [ 101 ], "ep_tags": { "101": "边界日 · 08-28" } }, { "id": "glm-5-3-flash", "name": "GLM-5.3-Flash（匿名测试期代号 Ox Alpha）", "developer": "智谱 Z.ai", "size": "MoE：320B 总参数 / 18B 激活（官方）；稀疏加线性混合注意力，是 GLM-5 系列第一个原生多模态模型；上下文 1,048,576 token，文本、图像、视频输入（OpenRouter 页）；HF safetensors 合计约 3,213 亿", "avail": "权重 MIT 协议，Hugging Face 无需申请；官方 API 每百万 token 输入 0.15、输出 0.50 美元。08-20 起以匿名代号 Ox Alpha 在 OpenRouter 上做隐身测试，08-26 正式发布并揭晓身份", "license": "MIT（OSI 认可的开源许可）", "facts": [ "官方文档称在 Artificial Analysis 智能指数 v4.1.1 上得 57 分、每任务 0.045 美元（折扣价）；DeepSWE v1.1 得 63.4，GLM-5.2 为 46.2（厂商自述）", "官方称匿名测试期间的线上流量全部由国产 AI 芯片承载（厂商自述，Z.ai 文档）", "Agent Arena 用 9000 多条真实 Agent 会话评测：综合第 19、开源模型第 4、任务成本中位数 0.12 美元（独立，据本刊 EP.101 页面转述 Agent Arena 的 X 帖，未重开）", "OpenRouter 页写明：这个隐身模型由 Z.ai 开发运营，后来揭晓为 GLM-5.3-Flash（独立，平台页）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/zai-org/GLM-5.3-Flash", "k": "hf" }, { "t": "Z.ai 官方文档", "u": "https://docs.z.ai/guides/llm/glm-5.3-flash", "k": "official" }, { "t": "OpenRouter：Ox Alpha 揭晓页", "u": "https://openrouter.ai/stealth/ox-alpha", "k": "media" }, { "t": "Agent Arena（X）", "u": "https://x.com/arena/status/2094440382440611935", "k": "social" } ], "dev_url": "https://z.ai", "date": "2026-08-26", "category": "open-llm", "access": "open", "eps": [ 101 ], "ep_tags": { "101": "背景 · 08-26" } }, { "id": "gpt-6-astra", "name": "GPT-6 Astra", "developer": "OpenAI", "size": "参数量未披露；上下文 1,050,000 token、最大输出 128,000 token、知识截止 2026-04-30（OpenAI API 文档页）", "avail": "09-03 先向一小部分组织开放（CSO Online 报道首批只有 Daybreak 网络防御计划的成员能用），之后几天陆续放到 ChatGPT Work / Codex 的 Plus、Pro、Business、Enterprise 用户、OpenAI API、Microsoft Azure、AWS Bedrock；企业版默认关闭、需管理员手动开启。API 标准价每百万 token 输入 10 美元、输出 50 美元，Fast 模式约 2 倍速、2 倍价；符合条件的 API 客户可申请零数据留存。同系列更便宜的 GPT-6 Sol / Luna 在 09-22 发布。日期口径：OpenAI 官方页没写具体日期，本刊两期页面写 09-03，CSO Online 和维基百科的“2026 年人工智能”条目写 09-04。", "license": "闭源（商用 API / 订阅）", "facts": [ "官方页自报：FrontierMath Tier 4（v2）98%、ARC-AGI-3 99.9%、ExploitBench 100%；Terminal-Bench 4.0 57.9%，对 Claude Fable 5.1 的 55.8%、GPT-5.6 Sol 的 37.3%；Terminal-Bench Science 0.1 64.6%（厂商自述）", "OpenAI 称它是第一个达到 Preparedness Framework“Critical”网络安全能力阈值的模型，并为此加了专门的训练和自动拦截防护；按 Hugging Face 事件新做的越界测试里，没有生产防护的 GPT-5.6 Sol 有 48% 的情况越出授权目标，Astra 为 0%（厂商自述）", "Scale AI 的 Humanity's Last Exam 榜（10-23 读取）：Astra 54.80 ± 1.94 排第 1，第 2 名 Fable 5.1（xhigh）46.50、第 3 名 Gemini 3.1 Pro Preview 46.44，领先约 8 分（独立）", "首发混乱：CSO Online 报道，首批只有 Daybreak 成员能用，付费用户进不去，Altman 在 X 上写“sorry for the messy rollout”，随后几天才把 Pro、Enterprise、Business Premium 和 API 陆续打开（独立，媒体）" ], "links": [ { "t": "OpenAI 官方发布页", "u": "https://openai.com/index/gpt-6-astra/", "k": "official" }, { "t": "OpenAI API 文档页", "u": "https://developers.openai.com/api/docs/models/gpt-6-astra", "k": "official" }, { "t": "OpenAI：Path to Astra", "u": "https://openai.com/index/path-to-astra/", "k": "official" }, { "t": "Scale AI HLE 榜", "u": "https://scale.com/leaderboard/humanitys_last_exam", "k": "official" }, { "t": "CSO Online", "u": "https://www.csoonline.com/article/4219249/sam-altman-calls-gpt-6-astra-rollout-messy-as-enterprise-users-wait-for-access.html", "k": "media" } ], "dev_url": "https://openai.com", "date": "2026-09-03", "category": "closed-llm", "access": "closed", "eps": [ 101, 102 ], "ep_tags": { "102": "背景 · 09-03" } }, { "id": "gemini-3-8-flash", "name": "Gemini 3.8 Flash / Gemini 3.8 Flash Cyber", "developer": "Google（Google DeepMind）", "size": "参数量未披露；3.8 Flash 输入文本、图像、音频、视频，上下文窗口最长 1M token（模型卡）", "avail": "3.8 Flash 通过 Gemini API（Google AI Studio、Android Studio）、Antigravity、Stitch 对外开放；价格沿用 3.7 Flash 的引入价，每百万 token 输入 0.75、输出 3.75 美元，优惠到 2026-12-31，2027-01-01 起 1.50 / 7.50 美元。3.8 Flash Cyber 不公开发售，只通过新设的 Fairwind 计划提供给政府、关键基础设施运营方和软件维护者等受信任防御者", "license": "闭源（商用 API / 受限访问）", "facts": [ "官方称 3.8 Flash 在 Vals Finance Agent V2 和 Harvey 法律 Agent 基准上超过 3.7 Flash 和其他前沿模型；设计上“更肯花时间推理”（厂商自述）", "官方称 Chrome 安全团队发现 3.8 Flash Cyber 给出的正确补丁数是最强商用大模型的 2.6 倍；Wiz 内部渗透测试基准召回率高 7.5%–9.7%、成本低 2.3–5.2 倍；CWE-Bench pass@1 为 47.2%，对某领先前沿模型的 47.8%（厂商自述，含合作方自报）", "Scale AI 的 HLE 榜上 Gemini 3.8 Flash 得 44.52，排第 5（独立，10-23 读取）" ], "links": [ { "t": "官方博客", "u": "https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/", "k": "official" }, { "t": "DeepMind 模型卡", "u": "https://deepmind.google/models/model-cards/gemini-3-8-flash/", "k": "official" } ], "dev_url": "https://deepmind.google", "date": "2026-09-02", "category": "closed-llm", "access": "closed", "eps": [ 101 ], "ep_tags": {} }, { "id": "claude-fable-mythos-5-1", "name": "Claude Fable 5.1 / Claude Mythos 5.1", "developer": "Anthropic", "size": "参数量未披露；官方称两者是同一个模型、只是防护等级不同。API 文档（Fable 5.1）：上下文 1M token、最大输出 128K、知识截止 2026-06", "avail": "Fable 5.1 已在 Claude API（模型名 claude-fable-5-1）和 AWS、Google Cloud、Microsoft Azure 全面可用，每百万 token 输入 10 美元、输出 50 美元，缓存读取降 75% 到 0.25 美元；Mythos 5.1 只通过官方的受信任访问项目提供（网络安全与生命科学方向）。企业级“Enterprise Frontier Safeguards”要到今秋晚些时候分阶段提供，在此之前合格客户可用零数据留存的 Fable 5.1", "license": "闭源（商用 API / 受限访问）", "facts": [ "官方原话：Fable 5.1 和 Mythos 5.1 是同一个模型、防护不同；防护触发时，网络安全任务改由 Opus 4.8 完成、生物任务改由 Opus 5 完成，这会拉低它在对应基准上的成绩（厂商自述）", "官方称典型工作负载的总成本约降 25%，复杂编程和高强度 Agent 任务最多约降 45%，来自缓存读取降价（厂商自述）", "自报：Terminal-Bench-Science 0.1 为 52.6%，Fable 5 为 24.7%（厂商自述）；Scale AI 的 HLE 榜上 Fable 5.1（xhigh）46.50，排第 2（独立，10-23 读取）" ], "links": [ { "t": "官方发布页", "u": "https://www.anthropic.com/claude-fable-and-mythos-5-1", "k": "official" }, { "t": "Claude 模型总览（API 文档）", "u": "https://platform.claude.com/docs/en/about-claude/models/overview", "k": "official" } ], "dev_url": "https://www.anthropic.com", "date": "2026-09-01", "category": "closed-llm", "access": "closed", "eps": [ 101 ], "ep_tags": {} }, { "id": "cohere-parse-5", "name": "Cohere Parse（Parse 5）", "developer": "Cohere（加拿大）", "size": "2.3B 参数的视觉语言模型，基于 Cohere Labs 的 North-Micro-Vision-Instruct 架构；上下文 8,192 token，约 4.6 GB（VentureBeat 转述 Cohere 披露）；输入 PDF、PPT、JPEG 页面图像，输出按阅读顺序的 Markdown", "avail": "Cohere API 每 1,000 页 1.50 美元；也可在单租户的 Model Vault 部署；Microsoft Foundry、AWS SageMaker 已上架。没有放出权重（本刊在 Hugging Face 上没有找到 Parse 的仓库）", "license": "商用 API", "facts": [ "Cohere 自报 ParseBench 三项平均 79.2，高于 Mistral OCR 4（74.5）、Databricks AI Parse（72.4）和 LlamaParse Cost Effective 档（78.3）（厂商自述）", "同一张表里 GPT-5.5（84.4）、Opus 4.8（84.3）、Gemini 3.5 Flash（81.8）都比它高，Cohere 主打的是“接近最高分的最低价”，不争榜首（独立，VentureBeat 转述 Cohere 的表）", "阿拉伯语、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、西班牙语九种语言有稳定精度，其余语言是精度较低的零样本支持（厂商自述）" ], "links": [ { "t": "Cohere 官方博客", "u": "https://cohere.com/blog/parse", "k": "official" }, { "t": "VentureBeat", "u": "https://venturebeat.com/data/cohere-parse-5-loses-the-benchmark-on-points-it-wins-on-cost-per-page", "k": "media" } ], "dev_url": "https://cohere.com", "date": "2026-08-27", "category": "retrieval", "access": "closed", "eps": [ 101 ], "ep_tags": { "101": "背景 · 08-27" } }, { "id": "atlas-world-labs", "name": "Atlas", "developer": "World Labs（李飞飞创办）", "size": "参数量未披露；从头预训练的 omni 世界模型，文本、图像、视频、3D 同时作输入，多模态自回归扩散 Transformer；由 1 到 6 张参考图加相机轨迹，可生成最长 1 分钟、1440p 的视频", "avail": "未公开发售：官方页只开放“申请早期访问”，目前仅向选定合作伙伴开放；官方称 Atlas 会用于 Marble 等 World Labs 产品的后续版本", "license": "—", "facts": [ "官方称它能做相机可控的图像与视频生成、从稀疏视角重建 3D 场景（再补成可渲染的 splat 场景）、做时空模拟，还能用三台普通相机的素材做“子弹时间”式重新取景（厂商自述）", "官方页给出相机控制生成和稀疏视角 3D 重建两类任务的基准对比，全是 World Labs 自跑；第三方评测或论文本刊没有核到（厂商自述）", "官方称性能随训练算力增加而提升，并预期这一趋势会延续（厂商自述）" ], "links": [ { "t": "World Labs 官方博客", "u": "https://www.worldlabs.ai/blog/atlas", "k": "official" }, { "t": "World Labs X 帖", "u": "https://x.com/theworldlabs/status/2094839756329041984", "k": "social" } ], "dev_url": "https://www.worldlabs.ai", "date": "2026-09-01", "category": "video-world", "access": "closed", "eps": [ 101, 105 ], "ep_tags": { "105": "背景 · 09-01" } }, { "id": "fal-h3-max", "name": "H3 Max（fal 在 MiniMax H3 上后训练）", "developer": "fal（基座 MiniMax H3 来自 MiniMax）", "size": "fal 没有披露 H3 Max 自己的规模；基座 MiniMax H3 的 HF 权重合计约 331 亿参数（BF16）；文生视频、图生视频，带音频", "avail": "fal 平台的 Playground、fal Agent 和 API 可用，首周五折；博客没有提放出 H3 Max 的权重，按只能通过 fal 使用处理。发布日以 fal 博客页上的 Aug 27, 2026 为准，本刊 EP.101 页面写的是 08-28", "license": "未披露（基座 MiniMax H3 权重的许可是 minimax-h3-community-license-agreement）", "facts": [ "fal 自称：5 秒视频约 3 秒生成，约为官方 H3 接口吞吐的 35 倍；在 12 个视频模型的人工偏好评测里，质量、提示理解、美学三项都排第一（厂商自述）", "fal 博客引述 Design Arena：以 H3 的质量、50 倍以上的速度建立了速度–偏好的新帕累托前沿；Artificial Analysis 与 Design Arena 也都把它排第一（独立，据 fal 博客转述，未重开第三方页面）", "做法：在开放权重的 MiniMax H3 上加入大量新数据做后训练，侧重提示遵循和画质，再配合 fal 推理引擎优化；MiniMax H3 团队在博客里给了评价（厂商自述）" ], "links": [ { "t": "fal 官方博客", "u": "https://blog.fal.ai/introducing-h3-max-by-fal/", "k": "official" }, { "t": "基座 MiniMax H3（HF）", "u": "https://huggingface.co/MiniMaxAI/MiniMax-H3", "k": "hf" } ], "dev_url": "https://blog.fal.ai", "date": "2026-08-27", "category": "video-world", "access": "closed", "eps": [ 101 ], "ep_tags": { "101": "背景 · 08-27" } }, { "id": "gemini-omni-1-1-flash", "name": "Gemini Omni 1.1 Flash", "developer": "Google（Google DeepMind）", "size": "参数量未披露；视频生成与编辑模型（Gemini Omni 系列）", "avail": "通过 Gemini API（Google AI Studio）和 Gemini Enterprise Agent Platform 使用；官方称 360p 预览比标准 720p 快约 60%、成本约三分之一，成片可升到 1080p 或 4K。官方博客没有给出每秒价格。发布日以 Google 博客页上的 Aug 27, 2026 为准，本刊 EP.101 页面引的是 08-30 的 AI Disruption 文章", "license": "闭源（商用 API）", "facts": [ "场景续写可参考前文最多 10 秒（此前的模型只看最后 1 秒），按 10 秒一段累计最长 40 秒；支持指定首尾帧生成过渡镜头；4K 是对成片的升采样（厂商自述，官方博客）", "AI Disruption（订阅文章，本刊只读到标题和导语）称它登顶 Arena 文生视频榜首、图生视频全球第 2、1488 分（独立，转述）" ], "links": [ { "t": "Google 官方博客", "u": "https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/", "k": "official" }, { "t": "DeepMind：Gemini Omni", "u": "https://deepmind.google/models/gemini-omni/", "k": "official" }, { "t": "AI Disruption", "u": "https://aidisruption.ai/p/gemini-omni-11-flash-hits-1-on-arena", "k": "media" } ], "dev_url": "https://deepmind.google", "date": "2026-08-27", "category": "video-world", "access": "closed", "eps": [ 101 ], "ep_tags": { "101": "背景 · 08-27" } }, { "id": "timesfm-3", "name": "TimesFM-3", "developer": "Google Research", "size": "330M 参数（HF safetensors 330,710,976）；20 层、模型维度 1280；预训练语料超过 1 万亿个时间点；一次前向传播输出整个预测窗口（非自回归），预测 9 个分位数", "avail": "权重在 Hugging Face（google/timesfm-3.0-pytorch），无需申请（gated=false），仅限非商业、非生产使用；官方博客页还给了 GitHub 和 BigQuery 入口。HF 仓库 08-24 上传权重，08-27 才把许可改成非商业许可", "license": "TimesFM Non-Commercial License v1.0（仅限非商业、非生产使用；不是 OSI 开源；HF 标签 other）", "facts": [ "原生多变量零样本预测：支持多目标、只有历史的协变量，以及已知未来的协变量（如促销、节假日），不需要针对业务数据微调（模型卡，官方博客）", "官方称在 GIFT-Eval、FEV-Bench、Time 三个公开基准上，点预测和概率预测两类指标都是预训练基础模型里排名第一（厂商自述）", "HF 提交记录显示，仓库在 08-27 由 Google 把许可文件更新为 TimesFM 非商业许可（模型卡/提交记录）" ], "links": [ { "t": "Google Research 官方博客", "u": "https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/google/timesfm-3.0-pytorch", "k": "hf" } ], "dev_url": "https://research.google", "date": "2026-08-31", "category": "science", "access": "open", "eps": [ 101 ], "ep_tags": {} }, { "id": "deepseek-v41-flash", "name": "DeepSeek-V4.1-Flash", "developer": "DeepSeek（深度求索）", "size": "MoE：官方口径 552B 主干参数，另挂一个 196B 参数的 Engram 条件记忆模块（稀疏查找）；Causal Encoder-Decoder，预填充阶段每 token 激活 8B、解码阶段 16B；上下文 1M；原生图文输入、文本输出。HF safetensors 合计约 7,632 亿（含 Engram 与视觉部分）", "avail": "权重 MIT 协议，Hugging Face 上无需申请；官方 API 同日上线（模型名 deepseek-flash），原生多模态；按峰谷计价，当前价目页（对应 10-17 版 V4.1-Flash-1017）缓存未命中输入峰时 0.30、谷时 0.15 美元，输出峰时 1.20、谷时 0.60 美元/百万 token；V4-Pro 的请求 09-14 起按 V4.1-Flash 价格转给 V4.1-Flash。10-17 另有 V4.1-Flash-1017 更新版（台账里另有条目）", "license": "MIT（OSI 认可的开源许可）", "facts": [ "官方公告称它是新架构家族里最小的一档，多方测试显示在性能、成本、速度和总运行时间上都超过 V4-Pro，V4-Pro 逐步退役（厂商自述）", "自报：Terminal-Bench 2.1 90.6、DeepSWE v1.1 74.2、CyberGym 88.1、GPQA Diamond 90.9、HLE 36.8（纯文本子集 39.1）（厂商自述）；EP.102 页面指出，GPQA Diamond、HLE 这类纯知识推理项仍落后 Opus 5 一截", "KV 缓存压到每 token 890 字节，约为 V4-Flash 的 1/4，SSD 上的持久缓存约 1/8（模型卡）", "09-08 至 09-10 前后 DeepSeek 在 GitHub 上新建了配套仓库：DeepSelect（稀疏注意力用的 TopK kernel）、DeepJIT（JIT 运行时）、deepseek-recipe（prompt 编码工具包），均为 MIT 协议；模型卡里提到的 Engram 官方实现是 1 月建的仓库（Apache-2.0）。这些是工具，不是模型（模型卡类事实，据 GitHub 仓库页）", "技术报告 09-17 提交 arXiv（2609.19969）；EP.104 引 Artificial Analysis 开源榜 09-23 读数：智能指数 39.5，开源第 5（独立，据本刊 EP.104 页面转述，未重开 AA 页）" ], "links": [ { "t": "DeepSeek API 官方公告", "u": "https://api-docs.deepseek.com/news/news260910", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash", "k": "hf" }, { "t": "技术报告（arXiv）", "u": "https://arxiv.org/abs/2609.19969", "k": "official" }, { "t": "DeepSeek API 价目页", "u": "https://api-docs.deepseek.com/quick_start/pricing", "k": "official" } ], "dev_url": "https://www.deepseek.com", "date": "2026-09-10", "category": "open-llm", "access": "open", "eps": [ 102, 104 ], "ep_tags": { "104": "背景 · 09-10" } }, { "id": "suno-v6", "name": "Suno v6（v6 / v6-wild / v6-mini）", "developer": "Suno", "size": "三档模型：v6、v6-wild（更不可预测、更有“意外感”）、v6-mini（更快更省资源）；参数量与上下文未披露。音乐生成模型", "avail": "Suno 网页和 App：v6 与 v6-wild 仅限 Pro 和 Premier 订阅用户，v6-mini 对所有人免费；官方说会逐步下线旧模型。没有开放权重，也没有找到公开 API 价格", "license": "闭源（订阅服务）", "facts": [ "Suno 官方博客称 v6 是与华纳音乐集团、BMG、Believe 等伙伴共同开发的新一代音乐模型；产品负责人 Jack Brody 对 The Verge 说是“从零训练”，数据包括合作方授权内容和“用户数据”（厂商自述）", "新能力：用自然语言在对话里改歌，改一句歌词不必重新生成整首；可混合曲库里的多个元素；提示不限于文字，可以用图像、视频或音频（The Verge；厂商自述）", "The Verge 上手：对流派的理解明显进步，但要求“走音、不和谐”之类的瑕疵时仍做不到，人声的 AI 痕迹比 v5 更重（独立，单人上手）", "09-18 环球音乐、索尼音乐起诉 Suno，称 v6 是用旧模型输出或蒸馏“洗白”出来的；Suno 当天回应 v6 的训练来源是授权内容、社区互动（含作品与偏好信号）和团队积累（独立，据 Music Business Worldwide，本刊 EP.104 专题 05 所引，未重新打开）" ], "links": [ { "t": "Suno 官方博客", "u": "https://blog.suno.com/blog/introducing-v6", "k": "official" }, { "t": "Suno 帮助中心：当前模型", "u": "https://help.suno.com/en/articles/13924737", "k": "official" }, { "t": "The Verge", "u": "https://www.theverge.com/ai-artificial-intelligence/991977/suno-releases-its-first-ai-music-model-made-with-record-industry-help", "k": "media" }, { "t": "Music Business Worldwide（诉讼与回应）", "u": "https://www.musicbusinessworldwide.com/suno-confirms-v6-model-was-trained-on-creations-from-users-as-it-blasts-latest-sony-and-universal-lawsuit/", "k": "media" } ], "dev_url": "https://blog.suno.com", "date": "2026-09-09", "category": "speech", "access": "closed", "eps": [ 102, 104 ], "ep_tags": { "104": "背景 · 09-09" } }, { "id": "intern-s2-397b", "name": "Intern-S2-397B", "developer": "上海人工智能实验室（Shanghai AI Laboratory）", "size": "397B 级 MoE 多模态模型：Qwen3.5-MoE 架构，60 层，512 个专家、每个 token 激活 10 个（config.json）；HF 张量合计约 403.4B（含视觉部分），“397B”是官方模型名里的口径；激活参数卡上没写；上下文 262,144（config.json）", "avail": "开放权重，不设门槛（HF 无需申请），BF16，另有 FP8 版；可用 LMDeploy、vLLM、SGLang 部署；卡上给了在线体验入口 chat.intern-ai.org.cn。07 月中旬已先放出 Intern-S2-Preview-397B（HF 仓库 07-16），这次是正式版权重", "license": "Apache-2.0", "facts": [ "定位“科学智能与长程 Agent”的多模态基座：用科学文献的原始页面图像做视觉预训练，在 20 多个科学领域联合做强化学习，并接大规模沙箱环境做长程 Agent 强化学习（模型卡）", "卡里的基准是一张图，称在开源模型里通用推理领先；评测用 OpenCompass、VLMEvalKit、AgentCompass，文本推理最长 256K、多模态 64K（厂商自述，本刊没有逐项转写）", "发布日：HF 权重和 GitHub 的 S2 说明提交都在 09-13；模型卡没写发布日，本刊没找到上海 AI 实验室的官方公告稿（本刊核对）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/internlm/Intern-S2-397B", "k": "hf" }, { "t": "GitHub（Intern-S 系列）", "u": "https://github.com/InternLM/Intern-S1", "k": "github" } ], "date": "2026-09-13", "category": "open-llm", "access": "open", "eps": [ 103 ], "ep_tags": {} }, { "id": "atria-dawn-preview", "name": "Atria Dawn Preview", "developer": "上海人工智能实验室（Shanghai AI Laboratory）", "size": "基于 744B 参数的 MoE 基座 GLM-5.2 后训练（模型卡）；HF 张量合计约 753.3B（BF16）；上下文 256K；另有 FP8 版", "avail": "开放权重，不设门槛；另有托管 API（国际站 api.atria-asi.ai，国内入口在 discovery.intern-ai.org.cn 的 Token Plan），模型卡没写价格", "license": "MIT", "facts": [ "定位 agentic 模型，围绕“检索研究、软件创作、文档交付、网络安全”四个方向；底座是智谱的 GLM-5.2（模型卡）", "自报：BrowseComp 92.5、BFCL v4 77.0、CyberGym 86.5 排第一；GDPval 1583，低于表里 Claude Opus 5 的 1768，SWE-bench Pro 59.6 对 74.7 也落后（厂商自述，对手数字按卡里写的各家公开页）", "日期：HF 权重 09-11（UTC）首次上传，README 09-12，GitHub 仓库 09-12，论文《Atria Dawn: The Dawn of Agentic Superintelligence》09-14 提交（arXiv 2609.15818）；模型卡没写发布日，这里按首次上传算 09-11（本刊核对）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/internlm/Atria-Dawn-Preview", "k": "hf" }, { "t": "论文 arXiv 2609.15818", "u": "https://arxiv.org/abs/2609.15818", "k": "official" } ], "date": "2026-09-11", "category": "open-llm", "access": "open", "eps": [ 103 ], "ep_tags": { "103": "边界日 · 09-11" } }, { "id": "nemotron-3-labs-ultra-math", "name": "Nemotron-3-Labs-Ultra-Math-SFT / -RL", "developer": "NVIDIA", "size": "550B 总 / 55B 激活的 MoE（Nemotron 3 Ultra 550B-A55B 的后训练检查点；HF 张量合计约 560.5B）", "avail": "开放权重，不设门槛；同时放出训练数据 Nemotron-Math-Proofs-v3-SFT / -RL（CC BY 4.0）、200 道奥赛题基准 Nemotron-IMO-Bench（CC BY 4.0）和训练、推理代码", "license": "OpenMDW-1.1（HF 标签只写 other；卡上写明可商用和非商用）", "facts": [ "数学推理与证明查错专用，是 NVIDIA 在 IMO 2026 拿到金牌线的系统里用的两个专家检查点，论文里叫 Nemotron-3-Ultra-SFT / -RL（模型卡）", "论文：通用版加这两个专家共三个 Nemotron 3 Ultra 检查点做“生成、验证、修正”的迭代搜索，全程自然语言，不用形式化证明器、不联网，IMO 2026 得 30/42 分达到金牌线；比赛总计约 2.31B token、约 4,785 GB200 GPU 小时（论文表 1，NVIDIA 自述）", "日期：HF 模型卡写发布日 09-03，论文 arXiv 2609.10712 是 09-09 提交；EP.103 页面按论文日期放在背景里（本刊核对）" ], "links": [ { "t": "HF 模型页（RL）", "u": "https://huggingface.co/nvidia/Nemotron-3-Labs-Ultra-Math-RL", "k": "hf" }, { "t": "HF 模型页（SFT）", "u": "https://huggingface.co/nvidia/Nemotron-3-Labs-Ultra-Math-SFT", "k": "hf" }, { "t": "论文 arXiv 2609.10712", "u": "https://arxiv.org/abs/2609.10712", "k": "official" } ], "date": "2026-09-03", "category": "open-llm", "access": "open", "eps": [ 103 ], "ep_tags": { "103": "背景 · 09-03" } }, { "id": "koa", "name": "Salesforce Koa", "developer": "Salesforce（与 NVIDIA 合作）", "size": "在 Nemotron-3-Super-120B（模型名 120B-A12B，即约 120B 总 / 12B 激活的 MoE）上后训练，FP8 部署（论文）；Koa 自身参数没有单独披露", "avail": "闭源。权重由 Salesforce 掌控，只在它自己的基础设施里托管运行；现在给选定的试点客户在 Agentforce 里用（官方稿点名 1-800Accountant、Formula 1、Xero 等），官方稿称预计 2026 冬季在美国区正式可用；价格没披露。TechCrunch 稿里的“open-weight”指的是底座 Nemotron，不是 Koa 本身", "license": "—（Koa 不发权重；底座 Nemotron 3 Super 的 HF 许可标签是 other）", "facts": [ "Salesforce 的第一个 CRM 推理模型：用模拟 14 个以上行业场景的合成数据，做 SFT 加 GRPO 强化学习后训练，官方称训练里没有用客户数据（官方稿）", "自报：在 Salesforce 自家 CRM 基准上，以少三倍的错误追平或超过领先模型；论文 CRMAgentBench 任务成功率 87%（GPT-4.1 为 82%，未调优底座为 79%）（厂商自述）", "TechCrunch 引 Salesforce AI 负责人：选 Nemotron 是因为此前没有“主权的美国预训练模型”，“我们不知道 Qwen 是用什么训练的”（媒体转述）" ], "links": [ { "t": "Salesforce 官方稿", "u": "https://www.salesforce.com/news/stories/koa-reasoning-model", "k": "official" }, { "t": "论文 arXiv 2609.15066", "u": "https://arxiv.org/abs/2609.15066", "k": "official" }, { "t": "TechCrunch", "u": "https://techcrunch.com/2026/09/15/salesforce-and-nvidias-new-reasoning-model-is-everything-the-ai-labs-should-fear", "k": "media" } ], "dev_url": "https://www.salesforce.com/", "date": "2026-09-15", "category": "closed-llm", "access": "closed", "eps": [ 103 ], "ep_tags": {} }, { "id": "kimi-k28-preview", "name": "Kimi K2.8 Preview", "developer": "月之暗面（Moonshot AI）", "size": "未披露；上下文最高 1M", "avail": "闭源，只在 Kimi Code 里用：09-11 起全量上线，Model ID 仍是 kimi-for-coding；所有会员档位开放最高 1M 上下文。官方日志没写单独计费，也没有开放权重", "license": "—", "facts": [ "官方日志：综合性能接近 K3，思考效率比 K2.7 Code 明显改善；支持 low / high / max 三档思考强度（默认 max）；关闭 thinking 后，K3 系列和 K2.8 Preview 的请求都路由到 K2.8 Preview（官方日志）", "“闭源且不单独计费”是媒体的说法，日志里没有（EP.103 页面所述，本刊在日志里也没找到）", "日志只写“现已全量上线”，此前是否有过灰度或更早的预览日，本刊没有核到（本刊核对）" ], "links": [ { "t": "Kimi Code 更新日志", "u": "https://www.kimi.com/code/docs/kimi-code/whats-new.html", "k": "official" } ], "date": "2026-09-11", "category": "closed-llm", "access": "closed", "eps": [ 103 ], "ep_tags": { "103": "边界日 · 09-11" } }, { "id": "swe-2", "name": "Cognition SWE-2", "developer": "Cognition", "size": "Kimi K3 的后训练版（Cognition 称 K3 为 2.8T 参数）；SWE-2 自身的参数量没披露", "avail": "闭源，只在 Cognition 自家产品里：Devin Desktop、Devin CLI 当天可用，Devin Web 和 Fusion 在上线中；博客没提公开 API、价格和开放权重", "license": "—（博客没写底座 Kimi K3 的许可）", "facts": [ "自报：Terminal-Bench 2.1 得 92.8%（Kimi K3 88.3%、Fable 5.1 91.4%、GPT-6 Astra 89.9%）；FrontierCode 1.1 Main 得 50.0%（Fable 5.1 50.9%、Astra 53.3%），称比 Fable 5.1 便宜 64%（厂商自述）", "Cognition 在附录里写明：有公开分数的用公开分数，没有的用自家 harness，每个模型取各推理档位里最好的成绩；成本按列表价算，不是第三方复测（厂商自述）", "EP.103 专题 03 把它和 Periodic Neon 并排，说明美国公司在中国开放权重模型上做后训练已经不是个例（本刊编辑判断）" ], "links": [ { "t": "Cognition 官方博客", "u": "https://cognition.com/blog/swe-2", "k": "official" } ], "dev_url": "https://cognition.com/", "date": "2026-09-10", "category": "closed-llm", "access": "closed", "eps": [ 103 ], "ep_tags": { "103": "背景 · 09-10" } }, { "id": "mercury-25", "name": "Mercury 2.5", "developer": "Inception Labs", "size": "参数量未披露；扩散式（非自回归）文本模型，官方称是迄今训练过的最大扩散语言模型；上下文 260K", "avail": "仅 API（Inception API、Baseten、OpenRouter），没有声明开放权重；每百万 token 输入 0.20、输出 0.75 美元，发布时降价 80%：输入 0.04、输出 0.15 美元；新用户送 1 亿 token 试用", "license": "—", "facts": [ "Inception 称智能比 Mercury 2 提高 40%，与 GPT-5.6 Luna（Low）、Gemini 3.5 Flash-Lite、Claude Haiku 4.5 这类成本优化型前沿模型相当；在常见 NVIDIA GPU 上约 1,107 token/秒；支持可调推理、并行工具调用和 JSON 模式（厂商自述）", "同一篇博客预告 Mercury Voice（首 token 低于 170 毫秒）和 Mercury Router 的预览（官方博客）", "发布日 09-08 取自 Inception 博客索引；本刊没有核到独立评测（本刊核对）" ], "links": [ { "t": "官方博客", "u": "https://inceptionlabs.ai/blog/introducing-mercury-2-5", "k": "official" } ], "dev_url": "https://xiaopingfeng.com/live/neolab/inception-labs", "date": "2026-09-08", "category": "closed-llm", "access": "closed", "eps": [ 103 ], "ep_tags": { "103": "背景 · 09-08" } }, { "id": "jev", "name": "Jev（TypeSafe 的 System One 判定模型）", "developer": "TypeSafe", "size": "参数量未披露；不生成文字，只对给定选项输出带概率的类型化决策（官方称“前沿智能的函数调用”：输入非结构化状态，输出类型化的概率决策）；用 RLCD（校准决策强化学习）训练，配并行采样器", "avail": "官方称 09-15 起早期访问（API 控制台）；输入每百万 token 0.042 美元（每十亿 42 美元）；TypeSafe 自己说“不能证明没有补贴”，预期价格“只降不涨”；没有放出权重", "license": "闭源（商用 API）", "facts": [ "TypeSafe 称 Jev 在 System One 类任务上智能与现有大模型相近、快两个数量级；它放弃了字符串生成、专攻结构化输出，所以“不会幻觉”；参考答案取 GPT-6 Astra 与 Fable 5.1 的平均，官方自己承认这会偏向 OpenAI 和 Anthropic 的模型（厂商自述）", "LangChain 评测（与 TypeSafe 有合作关系）：把 Jev 当评测裁判，同一请求打 100 次分，质量分方差比 GPT-5.6 Luna、Terra、Claude Sonnet 4.6 低 92 到 913 倍；测试集只有 5 个天气请求，作者写“有希望，但还早”（独立，有利益关系）", "Tomasz Tunguz（Theory Ventures）在 98 封人工核验的生产邮件上，把约四分之一的“如果…就…”判断换成判定模型，分类准确率从 47% 升到 80%；同一脚注里开源复现 SemIf（冻结的 Qwen3.5-4B 直接读 logits）是 82%，几乎打平（独立，单一测试集）", "EP.104 引 VentureBeat 等报道：刻意构造的输入内容能改变 Jev 的判断，基于 Jev 的防护要和确定性检查并用（独立，据本刊 EP.104 页面转述，未重开）" ], "links": [ { "t": "TypeSafe 官方博客", "u": "https://typesafe.ai/blog/introducing-system-one-models-and-jev", "k": "official" }, { "t": "LangChain 评测", "u": "https://www.langchain.com/blog/jev-agent-evals-langsmith", "k": "media" }, { "t": "Tomasz Tunguz", "u": "https://tomtunguz.com/ai-comes-for-the-if-statement", "k": "media" }, { "t": "VentureBeat", "u": "https://venturebeat.com/security/companies-are-putting-jev-in-charge-of-ai-agent-decisions-and-prompt-injection-can-influence-the-verdict", "k": "media" } ], "dev_url": "https://typesafe.ai", "date": "2026-09-15", "category": "decision", "access": "closed", "eps": [ 103, 104, 105 ], "ep_tags": { "104": "背景 · 09-15", "105": "背景 · 09-15" } }, { "id": "gemini-38-live", "name": "Gemini 3.8 Live / 3.8 Live Extended Thinking", "developer": "Google DeepMind", "size": "基于 Gemini 3 Pro；输入音频、图像、视频、文本，上下文最长 128K；输出音频和文本，最长 64K token（模型卡）；参数量未披露", "avail": "闭源。当天起进 Gemini API 和 Google AI Studio；Gemini Enterprise 里是私有预览；3.8 Live 进 Search Live，Extended Thinking 进 Gemini Live 和 Workspace（Docs、Gmail、Keep，按订阅档）。官方博客没写单价，只引了 Artificial Analysis 的成本图（EP.103 页面转述：每小时输入音频，3.8 Live 0.84 美元，Extended Thinking 3.50 美元；图中数字本刊没有逐个核）", "license": "—", "facts": [ "Extended Thinking 版“边想边说”：官方称在 Artificial Analysis 的语音对语音质量指数排第一（82.6），τ-Voice 得 68.6%，Big Bench Audio 得 97.7%（厂商转述第三方榜单）", "3.8 Live 能在对话中自动识别并切换 97 种语言，后台执行工具和 API 调用而不打断对话；官方称在 Speech Agent Arena 排第二（厂商自述）", "同一张 Gemini 3.8 Audio 模型卡还列了 Flash TTS 和 Flash-Lite TTS，本期页面没有讲，上线日本刊没有核到（模型卡）" ], "links": [ { "t": "Google 官方博客", "u": "https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/", "k": "official" }, { "t": "DeepMind 模型卡", "u": "https://deepmind.google/models/model-cards/gemini-3-8-audio/", "k": "official" } ], "dev_url": "https://deepmind.google/", "date": "2026-09-15", "category": "speech", "access": "closed", "eps": [ 103 ], "ep_tags": {} }, { "id": "gpt-live-1", "name": "GPT-Live-1（API 版）", "developer": "OpenAI", "size": "未披露；全双工语音模型，同时听和说；可把深度推理和工具调用委托给后端文本模型（官方举例 GPT-6 Astra、Luna，或第三方模型）", "avail": "闭源，09-10 起进 API；前端语音层每分钟 0.05 美元（后端模型和工具另算）；此前已在 ChatGPT 里推出", "license": "—", "facts": [ "官方称 Full Duplex Bench 比 GPT-Realtime-2.1 高 30 个百分点；搭配 GPT-6 Astra（中等推理）在 Tau3 语音 Agent 评测排第一（厂商自述）", "Speak 的早期评测里，语言辅导场景的打断比回合制系统减少近 80%（厂商自述，客户评价）", "支持电话部署，系统提示可调语气、语速和风格；声音选项从一小组扩到更多口音、方言和语种（官方页）" ], "links": [ { "t": "OpenAI 官方页", "u": "https://openai.com/index/introducing-gpt-live-1-in-the-api", "k": "official" } ], "dev_url": "https://openai.com/", "date": "2026-09-10", "category": "speech", "access": "closed", "eps": [ 103 ], "ep_tags": { "103": "背景 · 09-10" } }, { "id": "liber-0", "name": "Liber-0 Preview / Liber-0 Lite", "developer": "LiberAI", "size": "未披露；机器人操作策略。榜单把 Lite 标为 WAM（世界-动作模型），Preview 标为 VLM + WAM", "avail": "09-17 当天只是 RoboDojo 榜单条目。后来 Lite 的 RoboDojo checkpoint（LiberAI/Liber0-Lite-Robodojo）上了 HF（仓库 10-10 创建）并配 GitHub 微调代码（仓库 10-16 创建），卡上没写许可证；Preview 本刊没找到公开权重", "license": "未说明（HF 卡和 GitHub 仓库都没有许可证声明）", "facts": [ "RoboDojo 官网 09-17 把 Liber-0 Preview（平均分 30.74，成功率 25.52%）和 Lite（29.24，24.23%）加进仿真榜，一度居首，GPT-6 Astra 降到第三（榜单官网，EP.103 页面所引）", "10-20 有人在 RoboDojo 仓库提 issue #75，指出 Preview 的公开实现似乎用本地 VLM 做高层规划、选子任务，底层策略出动作，问榜单“Agent”与“VLM + WAM”两类怎么划分（GitHub issue，提问者的观察，官方未答）", "榜单分列里 Astra 的“精度”一列只有 12.65 / 4.00%，Liber-0 Preview 是 38.28 / 33.17%（榜单，EP.103 页面所引）" ], "links": [ { "t": "RoboDojo 榜单", "u": "https://robodojo-benchmark.com/Leaderboard", "k": "official" }, { "t": "Liber0-Lite GitHub", "u": "https://github.com/liberai-robot/liber0-lite", "k": "github" }, { "t": "HF（Lite checkpoint）", "u": "https://huggingface.co/LiberAI/Liber0-Lite-Robodojo", "k": "hf" }, { "t": "RoboDojo issue #75", "u": "https://github.com/RoboDojo-Benchmark/RoboDojo/issues/75", "k": "github" } ], "date": "2026-09-17", "category": "video-world", "access": "open", "eps": [ 103 ], "ep_tags": {} }, { "id": "om-1", "name": "OM-1（Omnibody Model 1）", "developer": "Reward AI", "size": "未披露；机器人通用策略，输入图像、触觉、指间接近觉和手部姿态多路信号，输出动作、速度和力", "avail": "公司自有，没有权重、论文或 API；只有博客和演示视频", "license": "—", "facts": [ "官方称只用戴着 Omnibody Hand 采集的人类操作数据训练，不用遥操作和机器人上的数据，同一个策略跑在从工业臂到人形的不同身体上；控制层另用仿真强化学习训练（厂商自述）", "官方博客没有给策略本身的基准表、成功率和参数量（本刊通读博客后的核对）", "EP.103 页面核到：团队和融资没有公开信息；HumanPlus、ALOHA 的一作 Zipeng Fu 转发时称“our first robot foundation model”，成员关系没有核到一手（EP.103 页面）", "博客只标“Sep 2026”，09-14 取自公司 X 帖（EP.103 页面所引，本刊未登录 X 重读）" ], "links": [ { "t": "Reward AI 官方博客", "u": "https://www.rewardai.com/blog/OM-1/", "k": "official" }, { "t": "官方 X 帖", "u": "https://x.com/RewardAI_/status/2099553899804053992", "k": "social" } ], "dev_url": "https://www.rewardai.com/", "date": "2026-09-14", "category": "video-world", "access": "closed", "eps": [ 103 ], "ep_tags": {} }, { "id": "anewdde", "name": "AnewDDE（AnewFold / AnewAffinity / AnewDesign / AnewMind Preview）", "developer": "Anew Labs（新生实验室，字节跳动分拆）", "size": "AnewMind 是“千亿参数级”的内部大模型（全参数后训练）；其余模块参数量未披露", "avail": "公司自有平台，没有找到开放权重：官网上 AnewFold、AnewDesign 等列有“Try it Now”入口，AnewMind 标 Coming Soon；技术报告可下载 PDF", "license": "—", "facts": [ "技术报告自报：AnewFold 在 FoldBench 抗体-抗原结构预测上成功率 76.2%，Isomorphic 的 IsoDDE 报告值为 75.6%；蛋白-配体 77.4% 对 76.0%（机器之心发布稿转述，厂商自述；稿子自己也说小幅分差不足以证明领先）", "纳米抗体（VHH）湿实验：第一轮从 3,092 个候选推荐 50 条，得 7 个 KD 低于 400 nM 的克隆；第二轮测 100 个候选，得 16 个个位数 nM 的克隆，只来自一个内部靶点（机器之心发布稿转述，厂商自述）", "日期：官网把技术报告标为 09-19，AnewMind 和 AnewDesign 的研究页标 09-15；机器之心的稿子称报告是 09-17 凌晨放出的，这里取 09-17（日期不一致，本刊核对）" ], "links": [ { "t": "Anew Labs 官网", "u": "https://anewbt.com/", "k": "official" }, { "t": "AnewMind 研究页", "u": "https://anewbt.com/research/mind/", "k": "official" }, { "t": "机器之心发布稿", "u": "https://mp.weixin.qq.com/s/M07aG2V3Kom8zCrzt6CuZA", "k": "media" } ], "dev_url": "https://anewbt.com/", "date": "2026-09-17", "category": "science", "access": "closed", "eps": [ 103 ], "ep_tags": {} }, { "id": "periodic-neon", "name": "Periodic Neon", "developer": "Periodic Labs", "size": "1T 参数（官方）；底座是开放权重的 Kimi K2.6（研究博客）", "avail": "公司自用：部署在 Periodic 位于 Menlo Park 的实验室里分析 X 射线衍射（XRD）结果；没有权重、API 或价格", "license": "—", "facts": [ "研究博客：在 Kimi K2.6 上用自家实验室数据做中期训练加强化学习；自建的 FrontierXRD（134 个实验室真实样本，专家要花数小时判读）上成功率 55.3%，起点 K2.6 为 2.7%；所有模型用 Periodic 自己的 harness（厂商自述，内部评测）", "官方称在衍射分析上超过 Claude Fable 5.1 和 GPT-6 Astra；对外部模型的成本按标准 API 价、假设完美缓存估算，对自家模型按系统吞吐和每 H200 小时 2.5 美元折算（厂商自述）", "研究博客写最终训练用了 1,300 张 H200，对比 Astra 据报道的 10 万多张 Blackwell（厂商自述，后者是引述的报道）" ], "links": [ { "t": "Periodic 官方公告", "u": "https://periodic.com/news/building-labs-that-learn", "k": "official" }, { "t": "研究博客", "u": "https://periodic.com/news/nature-is-our-learning-environment", "k": "official" } ], "dev_url": "https://periodic.com/", "date": "2026-09-15", "category": "science", "access": "closed", "eps": [ 103 ], "ep_tags": {} }, { "id": "mimo-v2-6", "name": "MiMo-V2.6-Pro / MiMo-V2.6-Flash（Pro-RL、Flash-RL 检查点）", "developer": "小米（Xiaomi MiMo）", "size": "Pro：稀疏 MoE，1.02T 总参数 / 42B 激活；Flash：309B 总 / 15B 激活；两者上下文都是 1M，文本、图像、视频、音频输入（模型卡）；同日另有 9B 的蒸馏版 MiMo-V2.6-Distill-Qwen-9B", "avail": "权重 MIT 协议，Hugging Face 无需申请；OpenRouter 上第三方托管，Pro 每百万 token 输入 0.435、输出 0.87 美元，Flash 输入 0.10、输出 0.28 美元（OpenRouter 页 10-23 读取，各提供商略有差异）。09-27 又放出 MOPD 检查点（窗口之后）", "license": "MIT（OSI 认可的开源许可）", "facts": [ "模型卡称 Pro-RL 是 V2.6 系列旗舰检查点：用一次混合强化学习覆盖编程、通用 Agent、视觉和网络安全，并用“分组 Agent 评分”缓解只看对错的奖励信号（模型卡）", "模型卡自报：DeepSWE v1.1 Pro 为 71.9、Flash 为 67.9（表中 Claude Opus 5 为 74.0、GPT-5.6 Sol 为 73.0）；技术报告写 RL 后训练分别花 260 万、90 万美元，只算后训练，不含预训练、数据和环境（厂商自述，已核技术报告原文）", "Artificial Analysis 开源榜 09-23 读数：MiMo-V2.6-Pro 智能指数 46.3，排开源第一，前五全是中国模型（独立，据本刊 EP.104 页面转述，未重开 AA 页）" ], "links": [ { "t": "HF 模型页（Pro-RL）", "u": "https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL", "k": "hf" }, { "t": "HF 模型页（Flash-RL）", "u": "https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-RL", "k": "hf" }, { "t": "技术报告（HF 上的 PDF）", "u": "https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/blob/main/MiMo_V2_6_technical_report.pdf", "k": "hf" }, { "t": "OpenRouter：Pro", "u": "https://openrouter.ai/xiaomi/mimo-v2.6-pro", "k": "media" } ], "dev_url": "https://mimo.xiaomi.com", "date": "2026-09-21", "category": "open-llm", "access": "open", "eps": [ 104 ], "ep_tags": {} }, { "id": "step-5-preview", "name": "Step 5 Preview", "developer": "阶跃星辰（StepFun）", "size": "600B 总参数 / 27B 激活的稀疏 MoE（官方口径；HF 张量合计 604.3B），最长 1M token 上下文；模型卡的规格表写输入“文本、图像”，正文又写“文本、图像、视频”", "avail": "开放权重：10-15 在 HF 放出 FP8 和 BF16 两个仓库（stepfun-ai/Step-5-Preview、-BF16），不设门槛，但有附加条件的许可。发布稿写明“今天已通过产品和 API 提供”（页面引用的 AA 数据截至 09-20）", "license": "StepFun Model License 1.0（HF 标 other；非 OSI 开源：月活超 1 亿或月收入超 2000 万美元的产品要显著标注“Powered by StepFun AI”；做硬件设备功能、或运营模型即服务且关联方 12 个月收入超 2000 万美元的，要先签商业许可；用模型输出训练到实质程度的模型视为衍生作品，须带同一许可）", "facts": [ "官方发布稿写明“权重 10 月 15 日开放”，到期兑现。HF 仓库虽建于 09-20，但两个仓库的 README 都是 10-13 才写成或更新，最后一次更新在 10-15 01:28 UTC，所以 09-20 是建仓日、不是权重公开日（模型卡，提交历史）", "官方自报：DeepSWE v1.1 67.7（Kimi K3 67.5、GPT-6 Astra 74.1）、Terminal-Bench v4 33.3（GLM-5.3 41.9）；自称 Artificial Analysis 智能指数 44（厂商自述）", "EP.107 页记：10-15 下午 Artificial Analysis 页面仍标“Proprietary model、权重未公开”，还没跟上权重发布（独立，EP.107 页读取，本刊没有单独核）；模型卡没有安全评测一节" ], "links": [ { "t": "阶跃星辰官方页", "u": "https://www.stepfun.com/step-5-preview", "k": "official" }, { "t": "HF 模型页（FP8）", "u": "https://huggingface.co/stepfun-ai/Step-5-Preview", "k": "hf" }, { "t": "HF 模型页（BF16）", "u": "https://huggingface.co/stepfun-ai/Step-5-Preview-BF16", "k": "hf" }, { "t": "许可证全文", "u": "https://huggingface.co/stepfun-ai/Step-5-Preview/blob/main/LICENSE.txt", "k": "hf" } ], "date": "2025-10-15", "category": "open-llm", "access": "open", "eps": [ 104 ], "ep_tags": { "104": "先行 · 09-18" } }, { "id": "claude-opus-5-5", "name": "Claude Opus 5.5", "developer": "Anthropic", "size": "参数量未披露；API 文档：上下文 1M token、最大输出 128K、知识截止 2026-06；自适应思考始终开启，不能再关闭“思考”模式", "avail": "Claude API（模型名 claude-opus-5-5）和 AWS、Google Cloud、Microsoft Azure 全面可用；每百万 token 输入 4、输出 20 美元（比 Opus 5 低 20%），缓存读取 0.20 美元（低 60%）；Claude Code 和 Claude 平台上有最高 2.5 倍速的 Fast 模式；支持零数据留存", "license": "闭源（商用 API）", "facts": [ "官方开头写明：这是呼吁“放缓前沿节奏”之后的第一次发布，发布前由 Frontier Design、METR 等外部评估方测过；多数工作上与 Fable 5.1 水平相当，运行成本比 Opus 5 低 40%（厂商自述）", "它是第一个带 Fable 5.1 同类防护的 Opus：网络安全、生物、蒸馏相关请求会被透明回退给别的模型，多数网络安全任务改道到 Opus 4.8；官方基准脚注承认这很可能拉低它的得分（厂商自述）", "自报：Terminal-Bench 4.0 为 66.4%（xhigh 档），对照 Fable 5.1 的 55.8%、GPT-6 Astra 的 57.9%（OpenAI 自报，high 档）；Terminal-Bench-Science 0.1 为 58.7%（厂商自述）", "METR 发布前评估：相对 Fable 5.1 是“适度提升”，不太可能完全自动化 AI 研发，但会明显加速研究人员（独立）" ], "links": [ { "t": "官方发布页", "u": "https://www.anthropic.com/news/claude-opus-5-5", "k": "official" }, { "t": "METR 发布前评估摘要", "u": "https://metr.org/blog/2026-09-22-claude-opus-5-5/", "k": "official" }, { "t": "Claude 模型总览（API 文档）", "u": "https://platform.claude.com/docs/en/about-claude/models/overview", "k": "official" } ], "dev_url": "https://www.anthropic.com", "date": "2026-09-22", "category": "closed-llm", "access": "closed", "eps": [ 104, 105 ], "ep_tags": { "105": "背景 · 09-22" } }, { "id": "gpt-6-sol-luna", "name": "GPT-6 Sol / GPT-6 Luna", "developer": "OpenAI", "size": "参数量未披露；两者上下文都是 1,050,000 token、最大输出 128,000 token；知识截止 Sol 为 2026-04-20、Luna 为 2026-05-18（OpenAI API 文档页）", "avail": "09-22 起 ChatGPT Work 和 Codex 对 Plus、Pro、Business、Enterprise、Edu 用户开放，免费版和 Go 用户可在桌面应用用 Luna，暂不在 Chat 里；API 模型名 gpt-6-sol、gpt-6-luna。价格比 GPT-5.6 的促销价再降 50%：Sol 每百万 token 输入 2、输出 10 美元（原 4 / 20），Luna 输入 0.10、输出 0.50 美元（原 0.20 / 1.20）；缓存读取折扣 90%。此后 09-29 OpenAI 又发了 GPT-6.1 Sol（发布页页首的更新说明）；台账里本条只对应 09-22 的 GPT-6 Sol / Luna", "license": "闭源（商用 API / 订阅）", "facts": [ "官方称 AutomationBench 上 xhigh 档的 Sol 超过 max 档的 Claude Opus 5，每任务成本只有后者的 9%；high 档 Luna 比上一代高 5.4 个百分点、每任务成本低 58%（厂商自述）", "官方写的是“相对 GPT-5.6 促销价降 50%”，对比基准是促销价，不是 GPT-5.6 的标准价（厂商自述，OpenAI 发布页）", "EP.104 指出发布页没有单独的 system card（链接指向 Astra 那份），也没提外部评估方（独立，据本刊 EP.104 页面的核对，本刊没有逐页核链接）" ], "links": [ { "t": "OpenAI 官方发布页", "u": "https://openai.com/index/introducing-gpt-6-sol-and-luna/", "k": "official" }, { "t": "OpenAI API 文档：GPT-6 Sol", "u": "https://developers.openai.com/api/docs/models/gpt-6-sol", "k": "official" }, { "t": "OpenAI API 文档：GPT-6 Luna", "u": "https://developers.openai.com/api/docs/models/gpt-6-luna", "k": "official" }, { "t": "CNBC", "u": "https://www.cnbc.com/2026/09/22/anthropic-openai-cheaper-ai-models.html", "k": "media" } ], "dev_url": "https://openai.com", "date": "2026-09-22", "category": "closed-llm", "access": "closed", "eps": [ 104 ], "ep_tags": {} }, { "id": "grok-4-7", "name": "Grok 4.7", "developer": "SpaceXAI（前 xAI；官方页署名 SpaceXSI）", "size": "参数量与上下文长度未披露；官方称基座比 Grok 4.6 更大，强化学习跑得更久、任务更难（偏向要花很多小时才能完成的问题）", "avail": "09-21 当天在 Cursor 和 Grok Build 可用，也通过 Grok API、第三方编程工具、模型路由和云平台提供；价格与速度与 Grok 4.6 相同：每百万 token 输入 2、输出 6 美元", "license": "闭源（商用 API）", "facts": [ "官方对比表（Grok 4.7 xHigh 档）：CursorBench 4.0 为 46.3%，Grok 4.6 为 40.4%、GPT-5.6 Sol 为 41.7%、Fable 5.1 为 51.8%；DeepSWE v1.1 为 71.0%（高档位）（厂商自述）", "官方页副标题称“同类模型一半的价格、两倍的速度”；训练时让它原生理解 Grok Bot 的 harness，更擅长对话类任务和通识工作，并自称带有“迄今校准得最好的安全防护”（厂商自述）", "Artificial Analysis 的编码 Agent 指数给了 56 分，比上一代高 9 分（独立，据本刊 EP.104 页面转述，未重开 AA 页）" ], "links": [ { "t": "官方发布页", "u": "https://x.ai/news/grok-4-7", "k": "official" }, { "t": "Artificial Analysis 评测文", "u": "https://artificialanalysis.ai/articles/benchmarking-grok-4-7", "k": "media" } ], "dev_url": "https://x.ai", "date": "2026-09-21", "category": "closed-llm", "access": "closed", "eps": [ 104 ], "ep_tags": {} }, { "id": "gpt-5-6-cyber", "name": "GPT-5.6-Cyber", "developer": "OpenAI", "size": "参数量未披露；基于 GPT-5.6 Sol 专门训练的网络安全模型，用来减少对高风险双用途网络任务的拒答", "avail": "只通过 Daybreak Red 档提供给获批的组织（OpenAI 官方页）；准入要求为个人需 FIDO2 硬件密钥和身份验证、企业走 KYB 审核、批准不自动，Red 档个人不能申请（据 OpenAI 帮助中心，本刊 EP.104 专题 10 所引，未重开）。没有公开价格。发布日 08-10，早于 EP.104 窗口；EP.104 专题 10 拿它说明两家厂商“分级放行”的做法", "license": "闭源（受限访问）", "facts": [ "OpenAI 自测的“高级网络安全请求完成率”：GPT-5.6-Cyber 为 95.0%，GPT-5.6 Sol 为 1.5%，Sol 加 Daybreak Blue 访问为 2.0%，GPT-5.5-Cyber 为 57.3%；也就是说真正放开拒答的是专用模型加 Red 档，Blue 档只把 1.5% 抬到 2.0%；题集未公开（厂商自述）", "官方承认专用版在“漏洞发现与报告撰写”内部评测上不如 GPT-5.6 Sol，原因可能是报告写得更短、更不详细（厂商自述）" ], "links": [ { "t": "OpenAI：Expanding Daybreak", "u": "https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows/", "k": "official" } ], "dev_url": "https://openai.com", "date": "2026-08-10", "category": "closed-llm", "access": "closed", "eps": [ 104 ], "ep_tags": { "104": "背景 · 08-10" } }, { "id": "cua-s1-forms", "name": "CUA-S1-FORMS", "developer": "Cua（trycua）", "size": "706,048 参数的小型“选项打分器”（tinyx）：字节级嵌入加 2 层 Transformer 编码器（宽 128、4 头）；不生成文字，对 GUI 表单里每个元素的各个选项（每个文档实体一项，外加 check / click / skip）一次前向给出概率", "avail": "权重公开在 Hugging Face（cua-ai/cua-s1-forms），无需申请；只能加载 safetensors 那一对文件，仓库里曾带的 pickle 检查点已删除；要从 trycua/cua 仓库装 cua-s1 包才能跑", "license": "MIT（OSI 认可的开源许可）", "facts": [ "模型卡写明输入输出契约与 TypeSafe 的 Jev 相同，属于 Cua-S1 研究家族，并注明“不是 cua-s1-form-v0 研究档的正式映射发布”（模型卡）", "模型卡自报：在专门训练的表单任务上同题对比 99.7%，托管 Jev 为 83.6%；托管 Jev 在需要判断的决策上是 96%，拉低总分的是“识别已填字段、什么都不做”这条约定（74%）。这是专训对零样本，不能推广（厂商自述）", "训练数据全是合成表单，真实评测只有 196 个决策，卡上也写明没有在任意真实世界表单上验证过（模型卡）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/cua-ai/cua-s1-forms", "k": "hf" } ], "dev_url": "https://github.com/trycua/cua", "date": "2026-09-18", "category": "decision", "access": "open", "eps": [ 104 ], "ep_tags": { "104": "边界日 · 09-18" } }, { "id": "qwen3-8-livetranslate", "name": "Qwen3.8-LiveTranslate", "developer": "阿里巴巴通义（Qwen 团队）", "size": "参数量未披露；Hybrid-MoE 的 Thinker–Talker 双模块，音频与文本交错（Interleave）的流式架构；60 种语言的音频输入转文本，29 种语言的语音输出", "avail": "只通过 DashScope 实时 API 调用（官方博客给了调用示例）；Hugging Face 上没有权重（本刊在 HF 上没有搜到）；价格官方博客没写", "license": "商用 API", "facts": [ "官方称同传平均延迟（LAAL）从上一代的 2.8 秒降到 2.3 秒；新增实时说话人分离（译文语音保留各自音色、声音克隆更稳）、原文译文同屏对齐、长上下文消歧（厂商自述）", "阿里 09-22 云栖大会官方稿再次把它列为新品，称延迟降近 20%（厂商自述）" ], "links": [ { "t": "Qwen 官方博客", "u": "https://qwen.ai/blog?id=qwen3.8-livetranslate", "k": "official" }, { "t": "阿里云栖大会官方稿", "u": "https://www.alibabacloud.com/en/press-room/alibaba-unveils-roadmap-on-full-stack-ai-strategy", "k": "official" } ], "dev_url": "https://qwen.ai", "date": "2026-09-18", "category": "speech", "access": "closed", "eps": [ 104 ], "ep_tags": { "104": "边界日 · 09-18" } }, { "id": "flux-3-action", "name": "FLUX 3 Action（base / DROID / SO-101 三个检查点）", "developer": "Black Forest Labs", "size": "70 亿参数的世界-动作模型（官方：7B，从多模态 FLUX 3 底座衍生，预训练偏重视频，同时预测视频和动作）；HF 上 DROID 与 SO-101 检查点各约 69.5 亿", "avail": "权重在 Hugging Face（black-forest-labs/flux-3-action-base、-droid、-so101），需登录并接受条款，自动审批（gated=auto）；官方页同时给了单步 7B 检查点和一个引导蒸馏检查点；配合 LeRobot 库使用。BFL 博客页的发布日为 September 23, 2026，HF 仓库 09-22 建立", "license": "flux-kommunity-license（HF 标签 other）；条款全文要登录后才能看，本刊没有读到，是否允许商用没有核到", "facts": [ "官方称在 RoboLab-120 榜上刷新开放模型成功率纪录：单步 7B 检查点 38.3% ± 0.38，对 Cosmos 3 Nano 的 36.8%；引导蒸馏检查点 42.2% ± 0.36；参数不到此前最强开放模型的一半，速度快最多 3.95 倍（厂商自述）", "官方称每秒机器人动作的推理速度比 Pi0.5 快 1.34 到 2.28 倍，同时仍联合预测视频和动作（厂商自述）" ], "links": [ { "t": "BFL 官方模型页与报告", "u": "https://bfl.ai/models/flux-3-action", "k": "official" }, { "t": "HF 模型页（base）", "u": "https://huggingface.co/black-forest-labs/flux-3-action-base", "k": "hf" } ], "dev_url": "https://bfl.ai", "date": "2026-09-23", "category": "video-world", "access": "open", "eps": [ 104 ], "ep_tags": {} }, { "id": "qwen-image-2-1", "name": "Qwen-Image-2.1", "developer": "阿里巴巴通义（Qwen 团队）", "size": "视觉生成部分 7B 参数（32 层 Single-Stream DiT，官方口径）；HF 权重合计约 71.2 亿；统一文生图与图像编辑，原生支持透明（RGBA）图层，最多 10 张参考图", "avail": "权重在 Hugging Face 和 ModelScope，无需申请；10-09 又放出 8 步去噪的 Qwen-Image-2.1-Turbo，并上线 Pro 与 Turbo 的阿里云 API（窗口之后，GitHub 新闻栏）；同日 09-20 还有 Qwen-Image-2.1-PE-T2I、PE-I2I 两个仓库，本刊没有读卡", "license": "Qwen Research License Agreement（发布日期 2026-09-20，HF 标签 other）：只许非商业用途（定义为仅限研究或评测），商用要另向阿里申请；不是 OSI 开源", "facts": [ "官方 README 称：混合粒度注意力加前缀 KV 缓存复用，用较低算力得到较好画质；能直接生成或编辑透明图层、从照片里抠主体；局部编辑支持画圈、涂抹标注或蒙版（厂商自述）", "官方 README 新闻栏：10-09 放出 8 步的 Turbo 版并上线 Pro / Turbo API；HF 上没有 Pro 版仓库，Pro 目前只见 API（厂商自述，HF 仓库列表）" ], "links": [ { "t": "GitHub 仓库（README）", "u": "https://github.com/QwenLM/Qwen-Image-2.1", "k": "github" }, { "t": "HF 模型页", "u": "https://huggingface.co/Qwen/Qwen-Image-2.1", "k": "hf" } ], "dev_url": "https://qwen.ai", "date": "2026-09-20", "category": "video-world", "access": "open", "eps": [ 104 ], "ep_tags": {} }, { "id": "figure-helix-2-5", "name": "Helix 2.5", "developer": "Figure AI", "size": "参数量未披露；人形机器人的视觉-语言-动作神经网络，在 Figure 的“Index”人类行为大规模数据集上预训练，再适配出整理客厅、叠毛巾、铺床三个行为（覆盖行走、刚体与可变形物体操作、双手协调、主动感知）", "avail": "不对外提供：官方页是研究与演示发布，运行在 Figure 自家机器人上，没有 API、价格或权重", "license": "—", "facts": [ "官方称把机器人带进 30 户湾区人家，事先没在任何一户采集数据，也没有微调或适配，就完成了三项长时程任务（厂商自述）", "官方对照：保持任务数据、架构、训练和评测不变，只加 Index 预训练，零样本成功率从 9% 升到 56%；口径是环境和物体没见过，任务本身在别处微调过（厂商自述，口径据本刊 EP.104 页面）", "官方称 Index 预训练数据每翻一倍，下游动作预测误差就平滑下降，平滑到能在训练前把最大一次训练的 loss 预测到小数点后四位（厂商自述）" ], "links": [ { "t": "Figure 官方发布页", "u": "https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization", "k": "official" } ], "dev_url": "https://www.figure.ai", "date": "2026-09-17", "category": "video-world", "access": "closed", "eps": [ 104 ], "ep_tags": { "104": "背景 · 09-17" } }, { "id": "runway-gwm-worlds-2", "name": "GWM Worlds 2", "developer": "Runway", "size": "官方未披露参数量；自回归扩散的视频加音频模型，实时生成 720p、24 帧每秒的视频和 48,000 Hz 的音频；由 Runway 自家的基础音视频生成模型后训练成实时自回归模型", "avail": "研究预览，不是正式产品：官方页提供“Get Access”申请入口；没有放出权重，也没有公开价格", "license": "—", "facts": [ "官方页自己写明：这是研究预览，实时生成仍在拿画质换速度（厂商自述）", "官方页没有给出基准分、延迟毫秒数和参数量，输出仍是像素和声音（模型卡类事实，据本刊 EP.104 专题 09 对官方页的核对）", "Latent Space 09-25 访谈：工程上先微调，再后训练成实时自回归模型，最后蒸馏（联席 CEO 举例约 50 个去噪步压到 4 步，有一些质量损失）；最大难点是误差累积（独立，媒体）" ], "links": [ { "t": "Runway 官方研究页", "u": "https://runway.com/research/introducing-gwm-worlds-2", "k": "official" }, { "t": "Latent Space 访谈", "u": "https://www.latent.space/p/runway", "k": "media" } ], "dev_url": "https://runway.com", "date": "2026-09-03", "category": "video-world", "access": "closed", "eps": [ 104 ], "ep_tags": { "104": "背景 · 09-03" } }, { "id": "holo4", "name": "Holo4-27B / Holo4-35B-A3B / Holotron4 Nano", "developer": "H Company", "size": "Holo4-27B 为稠密模型（HF 张量约 27.4B，基于 Qwen3.8-27B）；Holo4-35B-A3B 为 MoE，总 35B、激活约 3B（HF 张量约 35.1B，基于 Qwen3.6-35B-A3B）；Holotron4-30B-A3B（HF 张量约 33.0B，基于 NVIDIA Nemotron 3 Nano Omni，Holotron 3 的更新版）", "avail": "开放权重，不设门槛：BF16、FP8、NVFP4 和 4-bit GGUF 都有；也可用 H Models API（博客没写价格）。官方说几天内再放加速用的 DSpark drafter 检查点", "license": "Holo4-27B：CC-BY-NC-4.0（非商用，不是 OSI 开源）；Holo4-35B-A3B：Apache-2.0；Holotron4-30B-A3B：NVIDIA Open Model Agreement", "facts": [ "agentic 模型系列，能通过 GUI、代码、MCP 和 API 操作软件，用公司的 Agentic Task Factory 生成的环境和任务做监督加强化学习训练（官方博客）", "自报：OSWorld 2.0 上 27B 得 61.7%，35B-A3B 得 30.9%；博客引的 Opus 5.5 是 81.8%，强调参数少几个数量级、成本低得多（厂商自述）", "官方说把评测背后的全部轨迹也开源了；博客没有第三方复测（官方博客）" ], "links": [ { "t": "H Company 官方博客", "u": "https://huggingface.co/blog/Hcompany/holo4", "k": "official" }, { "t": "Holo4-27B（HF）", "u": "https://huggingface.co/Hcompany/Holo4-27B", "k": "hf" }, { "t": "Holo4-35B-A3B（HF）", "u": "https://huggingface.co/Hcompany/Holo4-35B-A3B", "k": "hf" }, { "t": "Holotron4-30B-A3B（HF）", "u": "https://huggingface.co/Hcompany/Holotron4-30B-A3B", "k": "hf" } ], "date": "2026-09-28", "category": "open-llm", "access": "open", "eps": [ 105 ], "ep_tags": {} }, { "id": "mimo-v26-pro-mopd", "name": "MiMo-V2.6-Pro-MOPD", "developer": "小米（MiMo）", "size": "稀疏 MoE，1.02T 总 / 42B 激活，上下文 1M；输入文本、图像、视频、音频（模型卡）。它是 MiMo-V2.6-Pro-RL 的升级版；V2.6-Pro-RL 与 V2.6-Flash-RL 的权重 09-21 先放出（属 EP.104 窗口）", "avail": "开放权重，不设门槛，HF 与 ModelScope 都有；小米另有 API 平台和 Xiaomi MiMo Studio / Desktop（价格卡上没写）", "license": "MIT", "facts": [ "在 V2.6-Pro-RL 之上做 MOPD2：把多个领域教师在线蒸馏进一个模型，并缓解“工具调用重复”（反复发出相同或相似的工具调用却没进展）这个问题（模型卡）", "卡里的热力图显示 MOPD 前后各 Agent 外壳、各输入长度下的重复率普遍降了一到两个数量级；EP.105 页面转述例子：OpenCode 在 32K–64K 从 0.37% 降到 0.02%（小米自报，本刊没重跑）", "EP.105 专题 05 引 Artificial Analysis：MiMo-V2.6-Pro 是开放权重榜第一（46.3）（独立，页面转述）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-MOPD", "k": "hf" } ], "date": "2026-09-27", "category": "open-llm", "access": "open", "eps": [ 105 ], "ep_tags": {} }, { "id": "gpt-6-1-sol", "name": "GPT-6.1 Sol", "developer": "OpenAI", "size": "未披露参数；上下文 1,050,000 token，最长输出 128,000，知识截止 2026-04-30，文本和图像输入、文本输出（OpenAI API 文档）", "avail": "闭源。当天进 ChatGPT 的 Work 和 Codex（Plus、Pro、Business、Enterprise、Edu），聊天里暂无；API 模型名 gpt-6.1-sol，每百万 token 输入 2、缓存输入 0.10、输出 10 美元，超过 27.2 万输入 token 的请求整单按 2 倍输入、1.5 倍输出计；Ultrafast 档按标准价 6 倍（API 文档，10-23 读）", "license": "—", "facts": [ "09-29 DevDay 发布：官方称是 GPT-6 Sol 的升级，在代理式编码、电脑使用和专业工作上接近 GPT-6 Astra，价格约为 Astra（输入 10 / 输出 50 美元）的五分之一；DeepSWE v1.1 上与 Astra 持平（厂商自述）", "系统卡附录（09-29）：看到警告仍想绕过的比例 23.5%，GPT-6 Astra 为 17.4%；编码任务里对结果的不实陈述 1.50%，Astra 0.51%；场景是 OpenAI 专门挑出来诱发问题的（模型卡）。本期专题 04 引用的就是这两组数", "Artificial Analysis 智能指数：6.1 Sol 52、Astra 53（EP.106 页引用 AA 榜，本刊没有单独核）（独立）" ], "links": [ { "t": "OpenAI 发布页", "u": "https://openai.com/index/introducing-gpt-6-1-sol/", "k": "official" }, { "t": "系统卡附录", "u": "https://deploymentsafety.openai.com/gpt-6-1-sol", "k": "official" }, { "t": "API 模型文档", "u": "https://developers.openai.com/api/docs/models/gpt-6.1-sol", "k": "official" } ], "date": "2026-09-29", "category": "closed-llm", "access": "closed", "eps": [ 105, 106 ], "ep_tags": { "106": "背景 · 09-29" } }, { "id": "claude-sonnet-5-5", "name": "Claude Sonnet 5.5", "developer": "Anthropic", "size": "未披露", "avail": "闭源。API 模型名 claude-sonnet-5-5，Claude Platform、AWS、Google Cloud、Microsoft Azure 都可用；每百万 token 输入 2 美元、输出 10 美元、缓存读取 0.10 美元（Sonnet 5 为 0.20），与 Sonnet 5 同价；支持零数据留存", "license": "—", "facts": [ "官方：Claude 5.5 家族的第二款（Opus 5.5 在 09-22 先发），比 Sonnet 5 快 30% 以上，多数工作成本最多低 30%；Terminal-Bench 4.0 得 70.6%（Sonnet 5 为 10.3%，Opus 5.5 为 66.4%，官方脚注说明 Opus 的数取 xhigh 档）（厂商自述）", "第一个带网络安全防护和回退机制的 Sonnet；同一页写明 Opus 5.5 在需要持续判断的复杂开放任务上仍明显更强（厂商自述）", "Artificial Analysis 测得最高档每个任务输出约 19.3 万 token，是其测过最多的，单任务 7.60 美元，比 Sonnet 5 高约 50%（独立，EP.105 页面转述，本刊未重读 AA 页）", "官方说 Claude Haiku 5.5 几周内加入该家族（官方稿）" ], "links": [ { "t": "Anthropic 官方页", "u": "https://www.anthropic.com/claude-sonnet-5-5", "k": "official" } ], "dev_url": "https://www.anthropic.com/", "date": "2026-09-28", "category": "closed-llm", "access": "closed", "eps": [ 105, 106 ], "ep_tags": { "106": "背景 · 09-28" } }, { "id": "ember-1", "name": "Ember-1", "developer": "Fireworks AI（Fireworks Research）", "size": "在 Kimi K3 上后训练；参数量未披露", "avail": "闭源托管：作为 Fireworks Serverless 上与 Kimi K3 并列的 Research Preview，官方说研究类发布给开发者两周的无服务器试用，再按社区需求转常驻；没有放权重，价格没披露", "license": "—（底座 Kimi K3，官方博客没写许可）", "facts": [ "官方称“K3 的质量，少 40% 的 token”：训练它少想不必要的推理，七个基准加两家客户的线上流量上，推理可缩短 35–50% 而不损失准确率（厂商自述）", "官方内部 A/B：分数 0.751 对 0.753，推理 token 降 71.3%；EP.105 页面还引了每任务输出 token 从 49.3K 降到 29.9K、总 token 降 39%（厂商自述，页面转述）", "训练算法没披露，EP.105 特意提醒不要写成 OPD（在线蒸馏）（EP.105 页面）" ], "links": [ { "t": "Fireworks 官方博客", "u": "https://fireworks.ai/blog/ember-1", "k": "official" } ], "dev_url": "https://fireworks.ai/", "date": "2026-09-23", "category": "closed-llm", "access": "closed", "eps": [ 105 ], "ep_tags": { "105": "背景 · 09-23" } }, { "id": "intern-decision", "name": "Intern-Decision 0.8B / 2B / 4B", "developer": "上海人工智能实验室（InternLM）", "size": "三个尺寸，HF 张量约 0.85B / 2.21B / 4.54B；在 Qwen3.5 的 0.8B / 2B / 4B 上微调语言骨干，冻结视觉塔和投影层", "avail": "开放权重，不设门槛（HF 集合 internlm/intern-decision）；GitHub 只放训练、推理、评测和校准代码，不含训练数据；有网页 Demo", "license": "Apache-2.0（HF 标签；GitHub 的许可文件 09-29 才补上）", "facts": [ "输入一个状态、可选图片和多个带类型的问题（choice、score、noul 即是非），一次前向给出每个问题的概率，不生成文字（README）", "README 自报：4B 版七个测试集平均 90.02%，Jev 为 88.74%，但各套件互有胜负（如 WildJailBreak 上 89.86 对 Jev 的 96.29）；RTX 4090 上本地请求延迟均值 44.16 毫秒；README 自己写“协议和范围不同”（厂商自述）", "技术报告 arXiv 2610.22131 是 10-22 才加进 README 的，不是发布当天的材料（本刊核对）" ], "links": [ { "t": "GitHub", "u": "https://github.com/InternLM/Intern-Decision", "k": "github" }, { "t": "HF（4B）", "u": "https://huggingface.co/internlm/Intern-Decision-4B", "k": "hf" }, { "t": "HF（2B）", "u": "https://huggingface.co/internlm/Intern-Decision-2B", "k": "hf" }, { "t": "HF（0.8B）", "u": "https://huggingface.co/internlm/Intern-Decision-0.8B", "k": "hf" } ], "date": "2026-09-26", "category": "decision", "access": "open", "eps": [ 105 ], "ep_tags": {} }, { "id": "neohorse-jev-4b", "name": "NeoHorse-Jev-4B", "developer": "TokenRhythm", "size": "4B 结构化决策模型，在 TokenRhythm 自家的 NeoHorse-1-4B 上微调；HF 没给张量总数", "avail": "开放权重，不设门槛；prefill-only 推理（不生成文字），支持 vLLM、SGLang 和自带的 Python / CLI / HTTP 运行时；可选单图加文本", "license": "Apache-2.0", "facts": [ "三种题型 Choice / Noul / Score，返回候选分布、是非概率和期望评分，用来驱动路由、选工具、检查条件（模型卡）", "模型卡自报：六组文本评测聚合 77.70，在“四个成绩完整的开源决策模型”里最高；对比表里没有闭源的 Jev 本体（厂商自述，评测日期 09-24）", "日期：HF 仓库 09-23 创建，“Release”提交在 09-25 17:37 UTC，模型卡的评测表标 09-24，EP.105 页面写 09-24；公司归属（据量子位称由前华为盘古负责人王云鹤创办）只见媒体，不见公司官方页（EP.105 页面）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/TokenRhythm/NeoHorse-Jev-4B", "k": "hf" } ], "date": "2026-09-25", "category": "decision", "access": "open", "eps": [ 105 ], "ep_tags": { "105": "边界日 · 09-25" } }, { "id": "ali-decision-preview", "name": "decision-model-preview（阿里云百炼决策模型）", "developer": "阿里云（百炼 Model Studio）", "size": "底层模型未披露，不能写成“千问的决策模型”", "avail": "仅 API：POST /compatible-mode/v1/systemone，新加坡与北京两个地域，需要百炼 API Key；最多 16 个问题，上下文 65,536 token。EP.105 写“限时免费”（据百炼更新表）；本刊打开的文档页（最后更新 10-15）里已不见免费期说明，也没有价格", "license": "—", "facts": [ "文档写明协议是 TypeSafe System One，示例直接用 typesafe-sdk，三类问题 choice、noul、score 与 Jev 的原语同名；一次前向返回每个问题的概率分布，choice 与 score 另返回置信度，不生成文字（官方文档）", "EP.105 的判断是：谁先把接口做出来，谁就定了协议——阿里用行动认领了 Jev 的接口（本刊编辑判断）", "上线日 09-24 取自 EP.105 页面所引的百炼更新表，本刊没有重开那张表（本刊核对）" ], "links": [ { "t": "百炼文档", "u": "https://www.alibabacloud.com/help/en/model-studio/decision-model-api", "k": "official" } ], "date": "2026-09-24", "category": "decision", "access": "closed", "eps": [ 105 ], "ep_tags": { "105": "背景 · 09-24" } }, { "id": "praxis-1", "name": "Praxis-1", "developer": "Runway", "size": "未披露；世界-动作模型，建立在 Runway 通用世界模型的大规模视频预训练之上", "avail": "权重还没放：官方页写“未来几个月公开发布”，没有写许可证；早期伙伴 Noble Machines、Standard Bots、Ultra 在自家硬件上测试，其他人可联系 Runway 机器人团队申请预发布访问。我们在 HF 上没有查到官方仓库", "license": "未公布", "facts": [ "官方称这是 Runway 第一个“开放权重”的世界-动作模型，把视频预训练转成对真实机器人的控制（官方页）", "官方称在世界模型里模拟机器人策略，与真机结果的相关性为 0.95，优于更贵的 3D 重建式方法（Runway 自报，没有第三方复现）", "官方图：在网络视频上预训练，效果与遥操作机器人视频相当（从头微调后最终放置误差 16.1 厘米对 16.0 厘米，93 组评估对）（厂商自述）", "“开放权重”在权重上线之前只是承诺；页面 JSON 数据标注的发布时间是 09-30 17:00 UTC，EP.105 页面按 10-01 记（本刊核对）" ], "links": [ { "t": "Runway 研究页", "u": "https://runway.com/research/introducing-praxis-1", "k": "official" } ], "dev_url": "https://runway.com/", "date": "2026-09-30", "category": "video-world", "access": "closed", "eps": [ 105 ], "ep_tags": {} }, { "id": "ego4wam", "name": "Ego4WAM", "developer": "地平线（Horizon Robotics）", "size": "完整 checkpoint 25.07 GiB（BF16，含 Video DiT、VAE、UMT5 文本编码器、Action DiT 与本体感知编码器）；EP.105 页面写 13B，按文件大小折算约 13.5B（本刊折算）；视频底座为 Wan2.2-TI2V-5B", "avail": "开放权重，不设门槛：HF 上有两个目录，Base（仅视频预训练的初始化）和 RoboDojo Joint（可直接推理评测）；不是标准的 Transformers 格式，需要借 StarVLA 框架。GitHub 仓库在 EP.105 发稿时只有 README（页面所述），10-20 的提交把 Ego4WAM 合入了 main，README 现在带完整使用说明", "license": "权重 Apache-2.0（HF 卡）；代码 MIT（仓库声明）", "facts": [ "研究“怎样扩大第一人称人类数据对机器人学习的价值”：约 90 小时真机数据加 1.5 万小时第一人称数据；没有物体或场景分布外的真机演示时，加入对齐的人类数据，物体分布外成功率从 10% 到 60%，场景分布外从 0% 到 20%（README，作者自报）", "RoboDojo 上平均分 20.29、成功率 14.35%，绝对值不高；README 自己承认记忆和开放指令类偏弱，并称在精度、成功率和长程任务上是已报告方法里最好的（作者自报）", "arXiv 2609.40341 是 09-30 提交的，晚于 EP.105 冻结（EP.105 页面补充）" ], "links": [ { "t": "HF 模型页", "u": "https://huggingface.co/HorizonRobotics/Ego4WAM", "k": "hf" }, { "t": "GitHub", "u": "https://github.com/HorizonRobotics/Ego4WAM", "k": "github" }, { "t": "论文 arXiv 2609.40341", "u": "https://arxiv.org/abs/2609.40341", "k": "official" } ], "date": "2026-09-29", "category": "video-world", "access": "open", "eps": [ 105 ], "ep_tags": {} }, { "id": "internw0-delta", "name": "InternW0-Δ", "developer": "上海人工智能实验室（InternRobotics）", "size": "参数量本刊没有核到；Mixture-of-Transformers 架构：预训练视频专家加动作专家，由冻结的 VLM 提供语义引导", "avail": "开放权重，不设门槛：HF 的 InternRobotics 下有 InternW0-Delta-Base、-RoboDojo、-Libero、-RoboTwin 四个检查点（仓库 09-22、09-23 创建），论文 09-25 提交；训练数据集和清洗流水线仍只是“承诺后续开放”，GitHub 上问时间表的 issue 官方回复“国庆后再讨论”（EP.105 页面）", "license": "权重 Apache-2.0（HF 卡）；代码 MIT（GitHub README）", "facts": [ "世界-动作模型：把预训练视频动力学、场景语义、4D 几何与运动先验（训练期蒸馏）和动作生成放进同一个框架（论文摘要）", "摘要称训练语料超过 20K 小时；EP.105 核对项目图逐项加起来是 23,072 小时，来自 AgiBotWorld、RoboMIND、EgoDex 等已有公开数据集，不是新采集的（EP.105 页面）", "自报：LIBERO-Plus 92.8、RoboTwin 71.9（Clean→Random 设置）、RoboDojo 成功率 23.9%，同一页的 GPT-6-Astra 为 22.48%（作者自报，项目页口径，EP.105 页面所引）" ], "links": [ { "t": "论文 arXiv 2609.31394", "u": "https://arxiv.org/abs/2609.31394", "k": "official" }, { "t": "GitHub", "u": "https://github.com/InternRobotics/InternW0-Delta", "k": "github" }, { "t": "HF（Base 检查点）", "u": "https://huggingface.co/InternRobotics/InternW0-Delta-Base", "k": "hf" } ], "date": "2026-09-25", "category": "video-world", "access": "open", "eps": [ 105 ], "ep_tags": { "105": "边界日 · 09-25" } }, { "id": "claude-haiku-5-5", "name": "Claude Haiku 5.5", "developer": "Anthropic", "size": "未披露参数；上下文 1M token，最长输出 128K（Anthropic 模型文档）；知识截止 2026-06", "avail": "闭源，API 和各云平台当天可用（Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry）。API 每百万 token：提示在 10 万以内时输入 0.10、输出 0.50、缓存读 0.01 美元，超过 10 万为 0.50 / 2.50 / 0.05 美元（Haiku 4.5 是 1 / 5 美元）", "license": "—", "facts": [ "发布页称这是 Anthropic 迄今最便宜、最快、最强的小模型，较 Haiku 4.5 平均运行成本约低 75%（含新分词器多用的 token）；第一个带可调 effort 档位的 Haiku；网络安全护栏比 Haiku 4.5 严、比近期其他模型松（厂商自述）", "发布页自报：OSWorld 2.1（离线子集）72.4%、Terminal-Bench 4.0 39.2%（同表 Sonnet 5.5 为 70.6%）；Anthropic 自己写复杂编码仍该选 Sonnet 5.5 或 Opus 5.5（厂商自述）", "系统卡写明它不在能力前沿、没有触及新的 RSP 阈值，并在自动行为审计里“比任何受测模型都更爱拒答”（模型卡）", "Artificial Analysis：智能指数 43（max 档），较上一代 Haiku 高 26 分，与 2.8T 参数的开放权重 Kimi K3（44）相当；每道指数任务输出约 16.2 万 token，约为 GPT-6 Luna 的 3 倍；成本数据暂定，尚未计入 10 万 token 以上的加价档（独立）" ], "links": [ { "t": "Anthropic 发布页", "u": "https://www.anthropic.com/claude-haiku-5-5", "k": "official" }, { "t": "系统卡", "u": "https://www.anthropic.com/claude-haiku-5-5-system-card", "k": "official" }, { "t": "Artificial Analysis 文章", "u": "https://artificialanalysis.ai/articles/claude-haiku-5-5", "k": "media" }, { "t": "Anthropic 模型文档", "u": "https://platform.claude.com/docs/en/about-claude/models/overview", "k": "official" } ], "date": "2026-10-07", "category": "closed-llm", "access": "closed", "eps": [ 106 ], "ep_tags": {} }, { "id": "gpt-6-sol-luna-oct", "name": "GPT-6 Sol / GPT-6 Luna（10 月更新，ChatGPT 聊天版，带 Intelligent UI）", "developer": "OpenAI", "size": "未披露", "avail": "闭源。10-07 起在 ChatGPT 聊天里替换 GPT-5.6 Sol / Luna：Plus、Pro、Business、Enterprise 当天推 GPT-6 Sol，Free 和 Go 次日起推 GPT-6 Luna；Codex 和 ChatGPT Work 里用的仍是 9 月版；本刊没有核到 API 是否提供 10 月版", "license": "—", "facts": [ "OpenAI 称训练 GPT-6 用文字、图形和交互元素组织回答，回答里可带图表、按钮、表单和小工具；实现是一套原生、可流式的组件库加一个边生成边处理界面的编译器；需要联网搜索的问题上 GPT-6 Instant 比 GPT-5.6 Instant 平均早 44% 开口（OpenAI 内部评测）（厂商自述）", "系统卡（10 月更新）：这版 Sol / Luna 在网络安全、生物化学两个领域都按 Preparedness Framework 的“高”能力处理；对越狱的抵抗比 GPT-5.6 强；GPT-6 Sol 在标准自伤评测上有统计显著的退步，GPT-6 Luna 在自伤、血腥、性内容上有，OpenAI 人工复核后称违规回答多为低严重度（模型卡）", "Intelligent UI 不是单独的模型名，是这版 GPT-6 的输出方式；发布页写明 Work 和 Codex 用的模型这次不变（厂商自述）" ], "links": [ { "t": "OpenAI 发布页", "u": "https://openai.com/index/gpt-6-for-everyone/", "k": "official" }, { "t": "系统卡（10 月更新）", "u": "https://deploymentsafety.openai.com/gpt-6-october", "k": "official" } ], "date": "2026-10-07", "category": "closed-llm", "access": "closed", "eps": [ 106, 107 ], "ep_tags": { "107": "背景 · 10-07" } }, { "id": "clef-omni", "name": "Clef-omni", "developer": "Cloudflare", "size": "HF 张量合计 35.3B；骨干是 Qwen3-Omni-30B-A3B-Instruct（MoE），保留理解部分、去掉语音合成输出部分；输入可含文本、图像、音频（wav / mp3）、视频（mp4 / webm）", "avail": "开放权重，不设门槛（HF Cloudflare/clef-omni）；同时托管在 Workers AI（@cf/cloudflare/clef-omni）。同日 Clef-flash 降价到比 Jev 便宜、Clef 提速", "license": "Apache-2.0", "facts": [ "决策模型的第一个全模态版本：一个模型同时看文本、图像、音频和视频，不用先转写或拆通道；做法是对整个输入做一次 prefill，同时给所有选项打分，不生成 token（厂商自述）", "建在 Qwen3-Omni-30B-A3B-Instruct 上，HF 标签 license:apache-2.0，基座同为 Apache-2.0（模型卡）", "EP.107 故事线 C 把它和 Clef、微软 Decision-1、Perplexity、H2O、AWS 并列，说明美国公司的决策模型基座多是阿里的 Qwen（模型卡）" ], "links": [ { "t": "官方博客", "u": "https://blog.cloudflare.com/clef-faster-cheaper-multimodal", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/Cloudflare/clef-omni", "k": "hf" } ], "date": "2026-10-09", "category": "decision", "access": "open", "eps": [ 106, 107 ], "ep_tags": { "107": "边界日 · 10-09" } }, { "id": "liquid-open-d1", "name": "Open d1：d1-3B / d1-omni-600M", "developer": "Liquid AI", "size": "d1-3B：3.12B（HF 张量合计），LFM2.5-VL-3B 骨干，文本加图像；d1-omni-600M：0.59B，LFM2.5-Encoder-350M 骨干，文本加图像或文本加音频，官方称是第一个实验性检查点", "avail": "开放权重，HF 上直接下载（LiquidAI/d1-3B、LiquidAI/d1-omni-600M）；llama.cpp 当天支持，含 NVFP4", "license": "LFM Open License v1.0（HF 标 other / lfm1.0；非 OSI 开源：年收入 1000 万美元及以上的主体，商业使用不在许可范围内）", "facts": [ "决策模型：一次前向给出带校准的答案，不生成 token；d1-3B 自报 Decision Index v0.2.1（公开集）48.57，称高于所有 10B 以下模型，与大 12 倍的 Decider 35B-A3B 相当；d1-omni-600M 为 15.95（厂商自述，Decision Index 是 Liquid 自己的基准）", "官方自报延迟：d1-3B 在 RTX 4090 上 8 ms、Jetson AGX Thor 16 ms、Jetson AGX Orin 26 ms、Orin Nano 50 ms；视觉部分只报了“保持骨干 LFM2.5-VL-3B 的视觉能力”，私有视觉评测集没公布（厂商自述）" ], "links": [ { "t": "Liquid AI 官方博客", "u": "https://www.liquid.ai/blog/d1-open", "k": "official" }, { "t": "HF 模型页（d1-3B）", "u": "https://huggingface.co/LiquidAI/d1-3B", "k": "hf" } ], "date": "2026-10-07", "category": "decision", "access": "open", "eps": [ 106 ], "ep_tags": {} }, { "id": "h2o-lightning-4b", "name": "H2O-Lightning-4B（v1.1）", "developer": "H2O.ai", "size": "4B（HF 张量合计 4.66B）；Qwen3.5-4B 的 LoRA 适配，以文本为主，后续 v1.2.2 加了图像输入（单次最多四张）", "avail": "开放权重，不设门槛（HF h2oai/h2o-lightning-4b）；可在未改动的 vLLM 上跑，外加一个小的 Python 外壳", "license": "Apache-2.0", "facts": [ "决策模型：一次前向给出各选项的概率，不生成文字；博文 10-07 称 v1.1 在 JevBench 官方综合分上排开放权重第 1（72.5，对 Jev 的 71.5），每千次决策约 0.021 美元（估算）（厂商自述）", "JevBench 的综合分是智能、校准、速度、成本四项等权的调和平均；名次是 H2O 在 10-07 读榜后自己写的，不是榜单方的结论（厂商自述）", "微软 Decision-1 的博客把 H2O-Lightning-4B v1.1 当作延迟上的第二名，称自己比它快 2.5 倍（厂商自述，微软博客）；EP.107 故事线 C 把它列为“基座是 Qwen”的第五家美国公司（模型卡）" ], "links": [ { "t": "H2O 官方博客", "u": "https://h2o.ai/blog/2026/h2o-lightning-jevbench", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/h2oai/h2o-lightning-4b", "k": "hf" } ], "date": "2026-10-07", "category": "decision", "access": "open", "eps": [ 106, 107 ], "ep_tags": { "107": "背景 · 10-07" } }, { "id": "clef", "name": "Clef（27B）/ Clef-flash（9B）", "developer": "Cloudflare", "size": "Clef：HF 张量合计 27.4B，冻结 Qwen3.8-27B 作骨干，再加路由头和 rank-256 低秩适配；Clef-flash：9.4B，骨干 Qwen3.5-9B。Clef 带视觉编码器，上下文 64k（官方称 Jev 是 32k）", "avail": "开放权重，不设门槛（HF Cloudflare/clef、Cloudflare/clef-flash）；同时托管在 Workers AI（@cf/cloudflare/clef）。另有强化学习微调服务：先由 Cloudflare 的前线工程师手把手做，自助版以后才有", "license": "Apache-2.0", "facts": [ "决策模型：不生成文字，一次前向给出带概率的选项答案，接口与 TypeSafe 的 Jev 兼容；官方写明“目前用 Qwen 作基座并做后训练”，HF 标签里基座是 Qwen3.8-27B 和 Qwen3.5-9B（模型卡）", "官方称 Clef 在 Jev Decision Index 上排第一；43 项评测里延迟中位数 Clef 209 ms、Clef-flash 39 ms，Jev 524 ms；在 TypeSafe 自己的四组工作流评测里 Clef 赢 Jev 三组（厂商自述）", "博文写的是“周五晚决定做、周末训练、周四发布”，不到一周（厂商自述，出自 10-09 的 Clef-omni 博文）", "EP.107 故事线 C 补上了上期没写的一点：Clef 官方稿写明基座是 Qwen（Clef 为 Qwen3.8-27B、Clef-flash 为 Qwen3.5-9B），作为“美国公司的决策模型多建在 Qwen 上”的证据（模型卡）" ], "links": [ { "t": "官方博客", "u": "https://blog.cloudflare.com/clef-decision-models/", "k": "official" }, { "t": "HF 模型页（Clef）", "u": "https://huggingface.co/Cloudflare/clef", "k": "hf" } ], "date": "2026-10-01", "category": "decision", "access": "open", "eps": [ 106, 107 ], "ep_tags": { "106": "背景 · 10-01", "107": "背景 · 10-01" } }, { "id": "strands-decider-2b", "name": "Strands Decider 2B", "developer": "AWS（Strands Labs）", "size": "2B：Qwen3.5-2B-Base 做骨干，去掉语言模型头，换成约百万参数的指针头，LoRA rank 16；博客说发布的是第 19 版", "avail": "开放权重，不设门槛（GitHub 开源，权重在 HF 的 StrandsAgents/strands-decider-2B-hobson-v19），训练数据和脚本一并公开；本地 CPU 或 GPU 可跑，官方称 RTX 3090 上中位延迟约 115 ms，M3 MacBook 小任务约 153 ms", "license": "Apache-2.0", "facts": [ "决策模型：在给定选项里选并给出可靠度分数，一次并行前向、不生成文字；博客自己写明在复杂问题上明显不如推理模型，也不能写代码、聊天或做摘要（厂商自述）", "官方自报：JevBench 公共集上，2B 档 33 个模型里第 3，排除略大于 2B 的 30 个后第 1；简单题 100% 答对（厂商自述）", "EP.107 故事线 C 引它的模型卡：基座是 Qwen3.5-2B-Base（模型卡）" ], "links": [ { "t": "AWS Strands 官方博客", "u": "https://strandsagents.com/blog/introducing-strands-decider/", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/StrandsAgents/strands-decider-2B-hobson-v19", "k": "hf" } ], "date": "2026-10-01", "category": "decision", "access": "open", "eps": [ 106, 107 ], "ep_tags": { "106": "背景 · 10-01", "107": "背景 · 10-01" } }, { "id": "pplx-decider", "name": "pplx-decider-v1-27b（10-06 出 v1.1）", "developer": "Perplexity", "size": "HF 张量合计 26.1B；Qwen3.8-27B 微调，多模态（文本加图像输入）；模型卡写权重约 49 GiB", "avail": "开放权重，不设门槛（HF perplexity-ai/pplx-decider-v1-27b；v1.1 为 perplexity-ai/pplx-decider-v1.1-27b，规模相同）；同时有 Perplexity 的 Decisions API，v1.1 起输入价每百万 token 0.02 美元，是 v1 的一半（社区公告）", "license": "Apache-2.0", "facts": [ "决策模型，微调自 Qwen3.8-27B（模型卡）；模型卡自报 11 项基准总分 85.71%，对照 Jev 84.51%、基座 Qwen3.8-27B 74.76%，成绩是通过 Perplexity API 测得（厂商自述）", "10-06 的 v1.1：Perplexity 称在 Hugging Face 新的 Decision Index 0.3 上得分最高，价格减半（厂商自述，社区公告）", "EP.107 故事线 C 引它的模型卡：“fine-tuned from Qwen3.8-27B”（模型卡）" ], "links": [ { "t": "HF 模型页（v1）", "u": "https://huggingface.co/perplexity-ai/pplx-decider-v1-27b", "k": "hf" }, { "t": "v1.1 社区公告", "u": "https://community.perplexity.ai/t/pplx-decider-v1-1-27b-our-updated-open-weights-multimodal-decision-model-is-now-available/6286", "k": "official" } ], "date": "2026-10-01", "category": "decision", "access": "open", "eps": [ 106, 107 ], "ep_tags": { "106": "背景 · 10-01", "107": "背景 · 10-01" } }, { "id": "microsoft-decision-1", "name": "Microsoft-Decision-1", "developer": "Microsoft", "size": "未披露参数；在 Qwen3.5-9B 上后训练（官方写明，并说之后会迁到 Microsoft AI（MAI）和 OpenAI 的模型上重做）", "avail": "只托管：Microsoft Foundry 和 OpenRouter 可用，本刊没有看到权重发布", "license": "—（基座 Qwen3.5-9B 为 Apache-2.0）", "facts": [ "决策模型：对给定选项输出校准过的概率，支持是否题、选择题、评分，也可按评分标准给 AI 回答和 agent 动作打分（厂商自述）", "微软自测：36 项基准、近 15 万题（训练时保持盲）上准确率第一；速度比第二名 H2O-Lightning-4B v1.1 快 2.5 倍，P50 延迟比 GPT-6 Sol 快约 35 倍；八种扰动下决策平均翻转 1.3%，选项描述改写、选项倒序或打乱时为零（厂商自述）", "博客发布后改过一次，补进了 Jev 的准确率和校准对比（博客编者注）", "EP.107 故事线 C 把它列为“美国公司的决策模型基座是 Qwen”的第一例；“35 倍”的对象是通用大模型 GPT-6 Sol，不是同类决策模型，对第二名只快 2.5 倍（厂商自述）" ], "links": [ { "t": "微软官方博客", "u": "https://commandline.microsoft.com/microsoft-decision-1-model-foundry/", "k": "official" }, { "t": "Foundry 模型页", "u": "https://ai.azure.com/catalog/models/Microsoft-Decision-1", "k": "official" } ], "date": "2026-10-09", "category": "decision", "access": "closed", "eps": [ 106, 107 ], "ep_tags": { "107": "边界日 · 10-09" } }, { "id": "xaira-x-design-vega", "name": "X-Design Vega（抗体设计模型）", "developer": "Xaira Therapeutics", "size": "未披露；通用分子设计模型，用公开加专有数据训练", "avail": "用于公司自己的在研药物项目（XA-1、XA-4），发布稿没有给出对外提供的方式", "license": "—", "facts": [ "内部肿瘤项目 XA-1：从零设计 182 条 VHH（纳米抗体），25 个初筛命中、18 个确认结合（10%）；最佳分子对人靶点 KD 17 nM、对食蟹猴 83 nM，成药性检测全部通过；从起点到先导 7 周，其中靶点表位事先已定好（厂商自述）", "GPCR 靶点 XA-4：传统天然文库筛选失败；Vega 设计 6 万条 VHH 的库，富集后挑 92 个做流式验证，最好的一个功能实验完全拮抗，IC50 183 nM；公司的词是“progressable”（可推进）而非“能成药”，并写明不保证最终成功（厂商自述）", "两个靶点都是匿名代号，没有同行评审，没有动物或人体数据（厂商自述，公司博客）", "EP.107 专题 03 把 X-Design 放在药物研发流水线的“生成式设计”一格：证据止步于体外结合和功能检测，没有动物和人体数据（厂商自述）" ], "links": [ { "t": "Xaira 官方博客", "u": "https://www.xaira.com/news/de-novo-design-of-progressable-antibodies-to-therapeutic-targets", "k": "official" } ], "date": "2026-10-02", "category": "science", "access": "closed", "eps": [ 106, 107 ], "ep_tags": { "106": "边界日 · 10-02", "107": "背景 · 10-02" } }, { "id": "colgrep-agent-2b", "name": "ColGrep-Agent-2B", "developer": "LightOn", "size": "2B（HF 张量合计 2.52B）；MiniCPM5-2B 微调的代码定位 agent", "avail": "开放权重，不设门槛（HF lightonai/colgrep-agent-2B，另有 GGUF）；本地运行，夹在你的编码 agent 和代码仓库之间，用多向量语义检索 ColGrep 搜代码、读文件、追引用，返回文件路径、行号区间和代码", "license": "Apache-2.0", "facts": [ "官方自测：把它接进 Claude Code，在 13 个训练时没见过的仓库、52 道代码查询题上，每题 API token 比 grep 少 34.3%（95% 置信区间 28 到 40），带缓存的成本少 40%；答对率 80.8% 对 83.3%，差异不显著，但每题耗时从 13.0 秒涨到 21.6 秒（厂商自述）", "博客自己写：只测了“查代码”类问题，不是端到端改代码（厂商自述）；配套论文 arXiv 2610.05099；HF 仓库建于 10-03，这里以博客日 10-12 作为发布日" ], "links": [ { "t": "LightOn 博客（HF）", "u": "https://huggingface.co/blog/lightonai/colgrep-agent", "k": "official" }, { "t": "HF 模型页", "u": "https://huggingface.co/lightonai/colgrep-agent-2B", "k": "hf" } ], "date": "2026-10-12", "category": "open-llm", "access": "open", "eps": [ 107 ], "ep_tags": {} }, { "id": "ultramarine-1-flash", "name": "Ultramarine 1 Flash", "developer": "Paper Instruments", "size": "未披露；在智谱 GLM-5.3 Flash 上做大规模强化学习，训练任务为合成的金融、法律、咨询、运营场景（88 种环境类型）", "avail": "目前只有 Ultramarine API：每百万 token 输入 0.15、缓存输入 0.03、输出 0.50 美元，与 GLM-5.3 Flash 相同；产品页写“权重即将放出”", "license": "未披露（权重未放；基座 GLM-5.3 Flash）", "facts": [ "技术报告称：六项知识工作评测平均比基座高 4.1 分，输出 token 少 6.5%；自家 PI Knowledge Work 内部评测每任务 0.13 美元，对 Claude Fable 5（max）8.19 美元、GPT-5.6 Sol（max）2.09 美元（厂商自述）", "产品页对照：JobBench 62.9 对 Fable 5 的 57.4、FrontierFinance 53.3 对 49.2、AutomationBench 50.2 对 46.2，Ultramarine 高；DiligenceBench 50.6 对 52.9、APEX-Agents 1.1 的 57.0 对 63.6，Fable 5 高（厂商自述，全部为公司自跑或自转引）" ], "links": [ { "t": "Paper Instruments 技术报告", "u": "https://paperinstruments.com/blog/ultramarine", "k": "official" }, { "t": "产品页", "u": "https://paperinstruments.com/ultramarine", "k": "official" } ], "date": "2026-10-14", "category": "closed-llm", "access": "closed", "eps": [ 107 ], "ep_tags": {} }, { "id": "grok-voice-3", "name": "Grok Voice 3.0", "developer": "SpaceXSI（xAI）", "size": "未披露；语音到语音模型", "avail": "闭源，API 当天可用（Speech to Speech API），每分钟 0.08 美元（每小时 4.80 美元），与 2.0 同价；使用 grok-voice-latest 的 agent 自动切换", "license": "—", "facts": [ "发布页引 Artificial Analysis（10-13）的语音到语音指数：Grok Voice 3.0 为 86.9，GPT-Live-1（Astra，Medium）83.2，Gemini 3.8 Live 82.6，上一版 2.0 为 81.3；Full Duplex Bench 97.0%；τ-Voice 71.6%，页面称与 GPT-Live-1（Astra）相当、延迟低 40%（独立指数，由厂商发布页转引，本刊没有单独核 AA 原页）", "使用数字全是 SpaceX 自家的：特斯拉车内每天数百万次对话，Starlink 客服每天约 2 万通电话、约 70% 全程无人介入（厂商自述，厂商同时是客户）" ], "links": [ { "t": "SpaceXSI 发布页", "u": "https://x.ai/news/grok-voice-3", "k": "official" } ], "date": "2026-10-14", "category": "speech", "access": "closed", "eps": [ 107 ], "ep_tags": {} } ] }